如何用sed删除HTML中的标签、脚本和空行？

link之家

链接快照平台

输入网页链接，自动生成快照
标签化管理网页链接

相关文章推荐

逼格高的楼梯 · 埃塞俄比亚亚的斯亚贝巴别样生活_手机新浪网· 5 月前 ·

高大的茄子 · 《小马宝莉：新世代》：主角团很可爱，但结局有 ...· 1 年前 ·

奋斗的针织衫 · 政策详情页· 1 年前 ·

9976254 · 关于z ...· 4 年前 ·

我在这里找到了，但我不知道如何继续这个问题。

5 个评论

clearlight ：

stackoverflow.com/questions/19878056/...

clearlight ：

这是否回答了你的问题？ Sed从HTML文件中删除标签

Polar Bear ：

Let perl be with you - `perl -0777 -pe 's/<.*?>//sg' test.html

Polar Bear ：

如果你想删除空行，那么


        perl -0777 -pe 's/<.*?>//sg;s/\s+\n+/\n/g' test.html

。

Gsomeone ：

我只能用sed:/

html

linux

bash

sed

Gsomeone

发布于 2020-03-07

1 个回答

user12938074

发布于 2020-03-07

已采纳

0 人赞同

我已经尝试了以下脚本，以 删除HTML/标签 和 剩余的输出 .

Input file: (test.txt)

<!DOCTYPE html>
    <script>
      function myFunction() {
        document.getElementById("demo").innerHTML = "Paragraph changed.";
    </script>
    <title>Sample page</title>
    <style>
      html { color: #837456; }
      body { background: white; }
    </style>
  </head>
    <p>Hello here!</p>
  </body>
</html>
cat test.txt | sed 's/$/©/' | tr -d '\n' | sed 's/<script.*<\/script>//g' | sed 's/<[^>]*>//g' | sed 's/©/\n/g' | sed '/^ *$/d' | sed 's/^ *//'
而输出恰好是。