主页 / computer / 问题 / 1682277
Accepted
Fabien
Asked: 2021-10-18 11:55:46 +0800 CST

使用 sed 清空 HTML 标签

  • 772

我想清空每个 HTML 标签的内容，但要“保持结构”。

从：

<h5>Holdrs <div class="tooltip" data-tooltip="Accounts with ..."></div></h5>
<div class="value">
  <span class="amount">25,241</span><a class="smallnav" href="/c/token/0xB31f66AA3C1e785363F0875A1B7"><svg class="icon-s icon">

我想得到：

<>Holdrs <><><>
<>
  <>25,241<><><>

根据我对 sed 的理解，这应该是：

sed 's/<.*>/<>/'

但它只返回：

<>
<>
  <>

（在这里测试：https ://sed.js.org/?gist=7af9c1c1762a6a93d582502b3d4fe22f ）。

我做错了什么？什么是正确的模式？

html sed

2 个回答

  1. Best Answer

    *是贪心的，所以<.*>匹配从第一个<到最后一个>的所有内容。一些工具理解*?为 的非贪婪模拟*，但不是sed.

    在您的情况下，仍然可以使用sed. 将.（任何字符）替换为（[^>]除 之外的任何字符>）。您还应该添加g标志，因为您想替换该行中的所有匹配项，而不仅仅是第一个。

    这应该有效：

    sed 's/<[^>]*>/<>/g'
    • 14

  2. 只需将所有节点重命名为空字符串并使用以下命令删除所有属性xmlstarlet：

    xml ed -r '//*' '' -d '//@*'

    这将添加一个 XML 标头 ( <?xml version="1.0"?>) 并在结束标记 ( </>) 中留下一个斜线，这可能是可以接受的，或者您可以通过附加tail/sed将其删除。

    就像其他人已经说过的那样，sed独自一人永远无法正确处理所有案件。

    • 9

相关问题