使用 Bash 获取一对 HTML 标签之间的内容
声明：本页面是StackOverFlow热门问题的中英对照翻译，遵循CC BY-SA 4.0协议，如果您需要使用它，必须同样遵循CC BY-SA许可，注明原文地址和作者信息，同时你必须将它归于原作者（不是我）：StackOverFlow
原文地址: http://stackoverflow.com/questions/21015587/
Warning: these are provided under cc-by-sa 4.0 license. You are free to use/share it, But you must attribute it to the original authors (not me):
StackOverFlow
Get content between a pair of HTML tags using Bash
提问by Joao
I need to get the HTML contents between a pair of given tags using a bash script. As an example, having the HTML code below:
我需要使用 bash 脚本获取一对给定标签之间的 HTML 内容。例如，具有以下 HTML 代码：
<html>
<head>
</head>
<body>
text
<div>
text2
<div>
text3
</div>
</div>
</body>
</html>
Using the bash command/script, given the bodytag, we would get:
使用 bash 命令/脚本，给定body标签，我们将得到：
text
<div>
text2
<div>
text3
</div>
</div>
Thanks in advance.
提前致谢。
采纳答案by Kent
plain text processing is not good for html/xml parsing. I hope this could give you some idea:
纯文本处理不利于 html/xml 解析。我希望这可以给你一些想法：
kent$ xmllint --xpath "//body" f.html
<body>
text
<div>
text2
<div>
text3
</div>
</div>
</body>
回答by BMW
Using sed in shell/bash, so you needn't install something else.
在 shell/bash 中使用 sed，因此您无需安装其他东西。
tag=body
sed -n "/<$tag>/,/<\/$tag>/p" file
回答by Cromax
Personally I find it very useful to use hxselectcommand (often with help of hxclean) from package html-xml-utils. The latter fixes (sometimes broken) HTML file to correct XML file and the first one allows to use CSS selectors to get the node(s) you need. With use of the -coption, it strips surrounding tags. All these commands work on stdin and stdout. So in your case you should execute:
就我个人而言，我发现使用html-xml-utils 包中的hxselect命令（通常在 的帮助下hxclean）非常有用。后者修复（有时损坏）HTML 文件以更正 XML 文件，第一个允许使用 CSS 选择器来获取您需要的节点。使用该-c选项，它会去除周围的标签。所有这些命令都适用于标准输入和标准输出。因此，在您的情况下，您应该执行：
$ hxselect -c body <<HTML
<html>
<head>
</head>
<body>
text
<div>
text2
<div>
text3
</div>
</div>
</body>
</html>
HTML
to get what you need. Plain and simple.
得到你需要的东西。干净利落。
回答by mklement0
Another option is to use the multi-platform xidelutility (home page on SourceForge, GitHub repository), which can handle both XML and HTML:
另一种选择是使用多平台xidel实用程序（SourceForge上的主页，GitHub 存储库），它可以处理 XML 和 HTML：
xidel in.html -e '/html/body/node()' --printed-node-format=html
回答by Paulo Fidalgo
回答by Aaron Digulla
BASH is probably the wrong tool for this. Try a Python script using the powerful Beautiful Souplibrary instead.
BASH 可能是错误的工具。尝试使用强大的Beautiful Soup库代替Python 脚本。
It will be more work upfront but in the long run (here: after one hour), the time savings will make up for the additional effort.
前期工作会更多，但从长远来看（此处：一小时后），节省的时间将弥补额外的工作量。
