UNIX 工具用于转储选定的 HTML 内容？

Question

我想监控网站上的变化，而我目前的方法被旋转的顶部横幅所挫败。是否有一个 UNIX 工具可以接受选择参数（id 属性或 XPath），从 stdin 读取 HTML 并根据选择将子树打印到 stdout？

例如，给定一个 html 文档，我想用 过滤掉除元素子树之外的所有内容id="content"。基本上，我正在寻找与 grep 等效的最简单的 HTML/XML。

Answer 1

可能不是你想要的，但是用 Python 编写一个快速脚本怎么样？美丽的汤处理 HTML，并为您提供一个可以访问内容的合理结构的对象。

import urllib2
from BeautifulSoup import BeautifulSoup as BS
soup = BS(urllib2.urlopen('http://www.google.com').read())
soup.findAll('a')[1]
#returns
<a onclick="gbar.qs(this)" href="http://video.google.co.uk/?hl=en&amp;tab=wv" class="gb1">Videos</a>

Answer 2

使用以下方式编写 Perl 脚本轻量级工作计划和HTML::TreeBuilder::XPath也许。