仅使用 bash 从 HTML 文件中选择 n 个匹配的行

Question

使用这个命令：

sed -n '/<article class.*article--nyheter/,/<\/article>/p' news2.html > onlyArticles.html 

我在我的 html 文档中获得了所有这些文章的标签。它们大约有 50 多篇文章。

示例输入：

<article class="article column large-12 small-12 article--nyheter">
    ... variable number of lines of dat
</article>

<article class="article column large-12 small-12 article--nyheter">
    ... variable number of lines of dat
</article>

<article class="article column large-12 small-12 article--nyheter">
    ... variable number of lines of dat
</article>

<article class="article column large-12 small-12 article--nyheter">
    ... variable number of lines of dat
</article>

我只想要 x 篇文章。就像前 2 篇文章一样。

输出：

<article class="article column large-12 small-12 article--nyheter">
    ... variable number of lines of dat
</article>

<article class="article column large-12 small-12 article--nyheter">
    ... variable number of lines of dat
</article>

这只是一个例子。我想要实现的是只选择 (x) 个匹配节点。

有什么办法吗？不能只使用简单的head 或tail，因为我需要提取匹配的元素而不仅仅是一些x 行。

Answer 1

xmllint + xpath 可用于按位置请求标签

xmllint --html --recover --xpath '//article[position()<=2]' tmp.html 2>/dev/null

Answer 2

这可能对你有用（GNU sed）：

sed -En '/<article/{:a;p;n;/<\/article>/!ba;p;x;s/^/x/;/x{2}/{x;q};x}' file

关闭隐式打印并打开扩展正则表达式-En。

匹配并打印<article 和<\article> 之间的行，然后在保持空间中增加一个计数器，如果出现次数完成则退出处理。

替代方案：

cat <<\! | sed -Enf - file
/<article/{
:a
p
n
/<\/article>/!ba
p            
x
s/^/x/
/x{2}/{
x     
q     
}
x
}
!