在 bash/zsh 脚本中提取子字符串（HTML 节点标记的值）答案

【问题标题】：Extract a substring (value of an HTML node tag) in a bash/zsh script在 bash/zsh 脚本中提取子字符串（HTML 节点标记的值）
【发布时间】：2019-12-09 18:27:45
【问题描述】：

我正在尝试提取变量中已有的 HTML 节点的标记值。我目前正在使用 Zsh，但我也在尝试让它在 Bash 中工作。

当前变量的值为：

<span class="alter" fill="#ffedf0" data-count="0" data-more="none"/>

我想获得 data-count 的值（在本例中为 0，但可以是任何长度的整数）。

我已尝试使用 cut、sed 和变量扩展，如 this question 中所述，但我没有设法调整正则表达式，或者可能必须对 Zsh 进行不同的处理。

【问题讨论】：

不要使用正则表达式解析 XML/HTML，而是使用适当的解析器。

标签： bash zsh

【解决方案1】：

请您尝试关注一下。

awk 'match($0,/data-count=[^ ]*/){print substr($0,RSTART+12,RLENGTH-13)}' Input_file

解释： 使用awk 的match 函数来匹配正则表达式data-count=[^ ]* 意味着匹配从数据计数到出现空格的所有内容，如果这个正则表达式是TRUE（找到匹配项）然后设置开箱即用变量 RSTART 和 RLENGTH。稍后我将根据这些变量值打印当前行的子字符串以仅获取 data-count 的值。

sed 可以尝试关注一下吗？

sed 's/.*data-count=\"\([^"]*\).*/\1/'  Input_file

解释： 使用sed 的组引用能力并在data-count=\" 之后的第一个组中保存正则表达式值，这是它的长度，然后因为使用@987654332 @(substitution) with sed 所以提到1 将全部替换为\1（在临时内存中匹配正则表达式值，组引用）。

【讨论】：

刚刚检查并适应了脚本中的管道，awk 和 sed 都在 zsh 和 bash 中工作。我会将第一个标记为正确答案，因为它也可以正常工作。
@CarlosAS，Np，我很高兴能够帮助你，干杯。

【解决方案2】：

sed 没有理由在这种情况下不起作用。对于您的具体情况，我会这样做：

sed 's/.*data-count="\([0-9]*\)".*/\1/g' file_name.txt

基本上，它只是声明sed 正在寻找包含data-count= 的模式，然后将括号$...$ 中的所有内容保存到\1，随后打印出来代替匹配项（整行由于.*)

【讨论】：

【解决方案3】：

如前所述，为了安全起见并处理任何语法上有效的 HTML 标记，强烈建议使用解析器。但是，如果您事先知道 HTML 元素的一般格式是什么样的，那么下面的 hack 可能会派上用场：

假设您的变量名为“html”

html='<span class="alter" fill="#ffedf0" data-count="0" data-more="none"/>'

先适应一下：

htmlx="tag ${html%??}"

这将在前面添加字符串tag并删除最后的/>

现在创建一个关联数组：

declare -A fields
fields=( ${=$(tr = ' ' <<<$htmlx)} )

tr 将等号转换为空格，${= 处理分词。您现在可以通过

来访问属性的值

echo $fields[data-count]

请注意，这仍然有周围的双引号。 Yuo 可以通过

轻松删除它们

echo ${${fields[data-count]%?}#?}

当然，一旦你做了这个 hack，你就可以以同样的方式访问所有属性。

【讨论】：