从html文件中解析word

Question

我在尝试从html文件中提取一个单词时遇到了很多问题。html文件中的行如下所示：

<span id="result">WORD</span>

我正试着把这个词说出来，但我弄不明白。到目前为止，我得到了：

 grep 'span id="result"' FILE 

这就是我的底线。我也尝试过：

sed -n '/<span id="result">/,/<\/span>/p' FILE

这也不管用。我知道这可能是一个非常简单的问题，但我才刚刚开始，所以我真的需要一些帮助。

Answer 1

不要使用正则表达式来解析html。

使用html解析器。

我的Xidel对此有最短的语法：

xidel FILE -e "#result"

Answer 2

这是awk的任务

我猜你在相同的文件中还有其他行，所以搜索span id是必须的。

echo "<span id="result">WORD</span>" | awk -F"[<>]" '/span id/ {print $3}'
WORD

Answer 3

你可以试试

awk -f ext.awk input.html

其中input.html是您的输入html文件，而ext.awk是

{
    line=line $0 RS
}

END {
    match (line,/<span id="result">([^<]*)<\/span>/,a)
    print a[1]
}

这将跨换行符提取内容。