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

Esvaziar tags HTML com sed

  • 772

Eu quero esvaziar o conteúdo de cada tag HTML, mas "mantendo a estrutura" .

A partir de:

<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">

Eu quero obter:

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

Do meu entendimento de sed, isso deve ser:

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

mas só retorna:

<>
<>
  <>

(Testado aqui: https://sed.js.org/?gist=7af9c1c1762a6a93d582502b3d4fe22f ).

O que estou fazendo de errado? Qual é o padrão correto?

html sed

2 respostas

  1. Best Answer

    *é ganancioso, portanto, <.*>corresponde a tudo, do primeiro <ao último >da linha. Algumas ferramentas entendem *?como análogo não ganancioso de *, mas nãosed .

    No seu caso ainda pode ir com sed. Substitua .(qualquer caractere) por [^>](qualquer caractere, exceto >). Você também deve adicionar gsinalizador porque deseja substituir todas as correspondências na linha, não apenas a primeira.

    Isso deve funcionar:

    sed 's/<[^>]*>/<>/g'
    • 14

  2. Basta renomear todos os nós para strings vazias e excluir todos os atributos usando xmlstarlet:

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

    Isso adicionará um cabeçalho XML ( <?xml version="1.0"?>) e deixará uma barra nas tags de fechamento ( </>) que podem ser aceitáveis ​​ou que você pode remover com um adicional tail/ sedpasse.

    Como outros já disseram, sedsozinho nunca será capaz de tratar todos os casos corretamente.

    • 9

relate perguntas