如何使用XMLStarlet訪問Bash中HTML標記的內容

我在學習如何使用XMLStarlet訪問Bash中HTML標記的內容。作爲一個例子，我試圖訪問www.wisdomofchopra.com/iframe.php頁面中的一些文本。我在指定XMLStarlet的HTML內容的「地址」時遇到了一些困難，並且會提供一些幫助。我的代碼嘗試以下：如何使用XMLStarlet訪問Bash中HTML標記的內容

URL="http://www.wisdomofchopra.com/iframe.php" 
webPage="$(curl -s "${URL}")" 
echo "${webPage}" | xmlstarlet sel -T -t -c "//html/body//table/tr/td[@id='quote']/header/h2/"

這將產生以下的輸出：

-:29.12: Opening and ending tag mismatch: meta line 5 and head 
    </head> 
     ^
-:35.100: Entity 'nbsp' not defined 
te"><header><h2>&quot;Emotional intelligence is beyond total reality&quot;&nbsp; 
                      ^
-:35.106: Entity 'nbsp' not defined 
eader><h2>&quot;Emotional intelligence is beyond total reality&quot;&nbsp;&nbsp; 
                      ^
-:41.119: EntityRef: expecting ';' 
witter.com/intent/tweet?original_referer=http%3A%2F%2Fwww.wisdomofchopra.com&via 
                      ^
-:41.139: EntityRef: expecting ';' 
eet?original_referer=http%3A%2F%2Fwww.wisdomofchopra.com&via=WisdomOfChopra&text 
                      ^
-:41.196: EntityRef: expecting ';' 
via=WisdomOfChopra&text=%27Emotional+intelligence+is+beyond+total+reality%27&url 
                      ^
-:52.169: EntityRef: expecting ';' 
));document.write(' src="http://ads.adbrite.com/mb/text_group.php?sid=2171164&zs 
                      ^
-:52.186: EntityRef: expecting ';' 
(' src="http://ads.adbrite.com/mb/text_group.php?sid=2171164&zs=3436385f3630&ifr 
                      ^
-:52.209: EntityRef: expecting ';' 
ite.com/mb/text_group.php?sid=2171164&zs=3436385f3630&ifr='+AdBrite_Iframe+'&ref 
                      ^
-:53.99: EntityRef: expecting ';' 
p" href="http://www.adbrite.com/mb/commerce/purchase_form.php?opid=2171164&afsid 
                      ^
-:57.9: Opening and ending tag mismatch: head line 3 and html 
</html> 
    ^
-:58.1: Premature end of data in tag html line 2

編輯：爲方便起見，以下是網頁一些大致相當於HTML代碼：

<!DOCTYPE html> 
<html> 
    <head> 
    </head> 
    <body> 
     <h3>Your random fictional Deepak Chopra quote:</h3> 
     <table border="0" cellspacing="0" cellpadding="0"> 
      <tr> 
       <td width="128" align="left" valign="top"><img src="img/imageSmall2.png" width="80" height="80" /></td> 
       <td id="quote"><header><h2>&quot;Perceptual reality serves total truth&quot;&nbsp;&nbsp;</h2></header></td> 
      </tr> 
     </table> 
    </body> 
</html>

來源

2014-09-23 d3pd

感謝您的建議。我不認爲這是問題。我創建了一個與示例網頁分層相似的代碼，我仍遇到類似的問題。我已將此簡化版本添加到發佈文字中。 – d3pd 2014-09-23 20:32:55

我無法獲得XMLStarlet來處理HTML，所以我只是使用grep和AWK來完成它：

printDeepakChopraAdvice(){ 
    URL="http://www.wisdomofchopra.com/iframe.php" 
    webPage="$(curl -s "${URL}")" 
    text="$(echo "${webPage}" | grep "id=\"quote\"" | awk -F"&quot;" '{print $2}')" 
    echo "${text}" 
}

來源

2014-10-03 11:26:11 d3pd

如何使用XMLStarlet訪問Bash中HTML標記的內容

回答

相關問題