从文本文件中删除 HTML 标签答案

【问题标题】：Removing HTML Tags from a text file从文本文件中删除 HTML 标签
【发布时间】：2017-04-13 23:25:21
【问题描述】：

我有一些看起来像这样的 html：

`<p>Flannel</p><p>Plaid</p><p>Red</p>`

我想去掉 <p> 和 </p> 标签并用换行符替换，所以我最终得到这样的结果：

Flannel
Plaid
Red

我正在尝试使用这个tr 命令：

tr '<[^>]*>' '\n'

但它只是删除了外部< 和>，所以我最终改为：

p
Flannel
/p

p
Plaid
/p

p
Red
/p

如何修改它以删除整个标签？

注意：我不在乎我是否会在整体之间添加多个换行符，如果需要，这些换行符很容易在以后删除。

【问题讨论】：

标签： bash

【解决方案1】：

试试这个 -

echo "<p>Flannel</p><p>Plaid</p><p>Red</p>"|awk '{gsub(/<[^>]*>/,"\n"); print }'

Flannel

Plaid

Red

【讨论】：

【解决方案2】：

除非这是一个快速而肮脏的脚本，否则您绝对应该使用 HTML 解析器来处理 HTML 语言的所有复杂性。

一个快速而肮脏的解决方案可能是应用这个sed 命令：

sed 's/<[^>]*>/\n/g'

我认为它可以满足您对特定示例的需求：

$ echo "<p>Flannel</p><p>Plaid</p><p>Red</p>" | sed 's/<[^>]*>/\n/g'

Flannel

Plaid

Red

您的解决方案不起作用，因为 tr 不适用于字符串而是字符：它只是替换它找到的每个 <[^>]* 字符，而忽略您尝试编写正则表达式的事实。

【讨论】：

我之前尝试过sed，它会正确找到标签，但它只会用 n 或实际字符 \n 替换它们，而不是换行。我发现唯一可行的版本是：sed "s/<[^>]*>/\`echo -e '\n\r'/g"`，它给了我想要的换行符，但也包含了时髦的 ^M 字符。
@CarrieBrown 所以，我的解决方案对你不起作用？
echo -e '\n\r' 很奇怪，我不知道任何系统会使用这种换行方式。删除\r（显示为^M）可能足以解决您的问题，但您不需要调用子shell 来生成换行符。如果我的答案中的\n 不起作用，请将其替换为文字换行符。
我尝试删除 \r 也没有成功。我会尝试文字。
Here关于同一主题的另一个问题。

【解决方案3】：

把它们都放在同一个里面

<p>

标签，然后在每个标签之间使用
标签添加换行符。所以，代码应该是这样的：

&lt;p&gt;Flannel&lt;br&gt;Plaid&lt;br&gt;Red&lt;/p&gt;

【讨论】：