对 HTML 文件进行 Grep 和正则表达式答案

【问题标题】：Grep and Regex an HTML File对 HTML 文件进行 Grep 和正则表达式
【发布时间】：2013-12-21 20:49:40
【问题描述】：

我有一个包含数千行的 HTML 文件，但有些内容重复了。

CODE=12345-ABCDE-12345-ABCDE</div>...<!--This line goes on for hundreds of characters-->

现在，该行每次都以“CODE=”开头，并且每次代码的长度都相同。以下 28 个字符可以是字母、数字或破折号。

cat mysite.html | grep "CODE="

但我想要一个正则表达式来显示 BEFORE</div> 行上的所有内容

谢谢！

【问题讨论】：

【解决方案1】：

您可以改用cut：

cat myfile.html | cut -c 6-28

这显示了每行的字符 6 - 28。这利用了CODE= 的长度以及后面的代码长度已知这一事实。

【讨论】：

感谢您的提示！这就像一个魅力：cat mysite.html | grep "CODE=" | cut -c 6-29
@Goodies 你不需要在这里使用cat。 grep "CODE=" mysite.html 与 cat mysite.html | grep "CODE=" 相同。

【解决方案2】：

您也可以使用sed：

sed -rn 's@^(CODE=[A-Za-z0-9\-]{23})</div>.*@\1@p' file

匹配任何以CODE=开头的行，后跟包含either letters, numbers, or dashes的23个字符，后跟</div>

【讨论】：