使用 sed 在 linux 中过滤 html 标签

Question

我在尝试在 unix 中过滤以下字符串时遇到问题

<option value="20121209/YvegRascYTGxmWLUIrqW/por121209130030.jpg">2012-12-09 13:00h</option>

进入： 20121209/YvegRascYTGxmWLUIrqW/por121209130030.jpg 和 2012-12-09 13:00。 我可以找到我想要的子字符串的开头，但找不到结尾。

 file=tmpfile
 read -r firstline<$file
 firstArg=$(echo $firstline | sed 's/^.*value="//' | sed 's/">*$//')
 echo $firstArg
 secondArg=$(echo $firstline | sed 's/^.*">//' | sed 's/h<*$//')
 echo $secondArg

输出如下：

20121209/YvegRascYTGxmWLUIrqW/por121209130030.jpg">2012-12-09 13:00h</option>
2012-12-09 13:00h</option>

但我真正想要的是

20121209/YvegRascYTGxmWLUIrqW/por121209130030.jpg
2012-12-09 13:00

Answer 1

小修复，您在两个地方缺少.（在每行第二个sed 的* 之前）：

 file=tmpfile
 read -r firstline<$file
 firstArg=$(echo $firstline | sed 's/^.*value="//' | sed 's/">.*$//')
 echo $firstArg
 secondArg=$(echo $firstline | sed 's/^.*">//' | sed 's/h<.*$//')
 echo $secondArg

输入：

<option value="20121209/YvegRascYTGxmWLUIrqW/por121209130030.jpg">2012-12-09 13:00h</option>

输出：

20121209/YvegRascYTGxmWLUIrqW/por121209130030.jpg
2012-12-09 13:00

说明：

• * 匹配前面的字符 0 次或多次，因此您之前匹配了零次或多次 > 和 <。
• . 匹配任何字符
• 所以>.* 匹配> 之后的零个或多个字符。

改进：

另外，sed 这两条线可以写成：

 firstArg=$(sed 's/^.*value="//;s/">.*$//' <<< "$firstline")
 secondArg=$(sed 's/^.*">//;s/h<.*$//' <<< "$firstline")

• 在一个 sed 调用中通过 ; 分隔多个替换模式
• <<< 表示法称为herestring，您可以在此处使用它来保存回声和管道
• 始终用双引号括起变量

Answer 2

尝试这样做：

sed -r 's@.*([0-9]{8}/[^"]+).*>([0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]{2}:[0-9]{2}[[:alnum:]]*)<.*@\1\n\2@g'

示例

$ cat file.txt
<option value="20121209/YvegRascYTGxmWLUIrqW/por121209130030.jpg">2012-12-09 13:00h</option>
$ sed -r 's@.*([0-9]{8}/[^"]+).*>([0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]{2}:[0-9]{2}[[:alnum:]]*)<.*@\1\n\2@g' file.txt
20121209/YvegRascYTGxmWLUIrqW/por121209130030.jpg
2012-12-09 13:00h