如何使用 sed 从文件中删除 html 标签？

Question

我有一个文件，其中混合了我需要的普通文本和 html 标签。我知道使用 REGEX 可以识别 html 标签，使用 sed 可以将它们替换为空字符串，但我不知道如何具体应用它。

Answer 1

如果你不坚持的话sed，最好的办法就是这样做lynx。

lynx --dump <filename>.html

这将以 html 代码想要显示的格式输出 html 文件的内容。唯一的条件是文件名应该有一个.html或.htm扩展名。

Answer 2

只要您的 HTML 标记仅限于一行，以下内容就可以工作：

sed 's/<[^>]*>//g'

Answer 3

我强烈建议使用名为html2text(1) (2） 反而。解析 HTML 比看起来要困难得多。