使用sed提取HTML標記數據

Question

我希望在已知的HTML標記之間提取數據。例如：

Hello, <i>I<i> am <i>very</i> glad to meet you.

應該改爲：

'我

很'

所以我發現一些作品以近做到這一點。不幸的是，它只提取最後一個條目。

sed -n -e 's/.*<i>\(.*\)<\/i>.*/\1/p'

現在我可以追加任何結束標記</i>以換行符，這工作得很好。但是有沒有辦法只用一個sed命令呢？

Answer 1

$ awk -vFS="<.[^>]*>" '{for(i=2;i<=NF;i+=2)print $i}' file 
I 
very 

Answer 2

這給一試：

sed -n 's|[^<]*<i>\([^<]*\)</i>[^<]*|\1\n|gp' 

而且你的例子是缺少一個 「/」：

Hello, <i>I</i> am <i>very</i> glad to meet you. 

Answer 3

試試這個：

$ sed 's/<[^>]*>//g' file.html