SED刪除除鏈接以外的所有HTML標記

Question

我想刪除所有html標記，但保留
E.G. <a href="http://www.domain.com/">Link Title</a>

到目前爲止，這對我的作品除了它刪除</a>部分。

sed -e 's/<[^">]*>//g' 

我想知道是否有更好的方法來做到這一點。

Answer 1

基本上你寫的是刪除<Stuff>的任何塊，其中Stuff沒有任何雙引號。例如，如果有HTML像一個完全有效位：

<a href='http://www.domain.com/'>Link Title</a> 

，甚至一些奇怪的HTML，如：

<a href=http://www.domain.com/>Link Title</a> 

它不會爲你工作。

正則表達式被認爲是一種非常糟糕的處理HTML的方法，除非您確切知道您可能處理的所有變體的範圍。

先閱讀this viewpoint。

我可以建議是這樣的：

sed -e 's/<[^a>/!][^ >][^>]*>//g;s/<\/[^a>][^>]*>//g'