使用BASH命令删除一行

Question

我在html文件中有一行，我使用

 grep -m 1 'argument'

那条线看起来很像这样

<tag option="something" option="something"><span option="something">&nbsp;Text1 </span> - <span option="something"> Text2&nbsp;</span></tag> 

我需要使用分隔行提取文本1和文本2，我该怎么办？我明白了，我需要使用sed，我已经删除了标签和跨度在乞讨时离开了我

   Text1 </span> - <span...........</tag>

但是我只需要Text1，我真的不知道如何删除非静态的Text2。

Answer 1

--如果行始终与所提供的示例完全相同，则可以使用regexp执行。

但是在所有其他情况下，您确实应该使用XML解析器(例如，使用perl : twig或其他)。

这是一个regexp，但是你已经被警告了^^

#replace each <...> with "|", so you can easily separate each fields
sed -e 's/<[^>]*>/|/g' 

然后，您可以使用新的“简单”分隔符|来获取每个部分。

grep 'argument' | sed -e 's/<[^>]*>/|/g' | awk -F'|' '{print $3}'  #shows Text1. Change $3 to $5 to fetch the Text2

Answer 2

下面是使用grep和perl正则表达式的更短的实现方法。

$ cat testfile # I've placed your line in this file
<tag option="something" option="something"><span option="something">&nbsp;Text1 </span> - <span option="something"> Text2&nbsp;</span></tag> 

$ grep -Po '<span[^>]*>\K[^<]*' testfile
&nbsp;Text1 
 Text2&nbsp;

但是，如果您想得到精确的Text1和Text2，则需要更复杂的regexp。下面是：

$ grep -Po '<span[^>]*>(&nbsp;)?\s*\K.*?(?=\s*(&nbsp;)?</span>)' testfile
Text1
Text2

一些解释：

此正则表达式使用lookaround语法或zero-width assertions。你可以在这里读到

\K可能也不熟悉。它与零宽度断言非常相似，并对这里作了很大解释。以下是该链接的引文：

这个构造有一种特殊的形式，称为\K，它使regex引擎“保留”它在\K之前匹配的所有内容，而不包括在$&中。这有效地提供了可变长度的后视镜。允许在另一个回顾性断言中使用\K，但该行为目前还没有很好地定义。

好吧，但为什么？

这种方法最重要的一点是，您已经在使用grep了，您可以将这个正则表达式与您的搜索模式结合起来，所以您只需要一个grep命令，而不是使用grep、sed和awk的奥利维尔的回答。

但是仍然有解析xml的特殊工具，请使用它们来代替这个regexA片。