怎么提取这个文本信息？

G00GLE

<span id="thread_17873"><a href="thread-17873-1-2.html">每日学口语(1.31):The finest edge is made with the blunt whetstone</a></span>

需要得到的结果是：
thread-17878-1-2.html#The finest edge is made with the blunt whestone

自己写了个，但是很麻烦，用了很多管道，不知道有没有简单点的方法，主要是这行字符串没什么规律。

meeslo

[root@localhost ~]# cat file
<span id="thread_17873"><a href="thread-17873-1-2.html">每日学口语(1.31):The finest edge is made with the blunt whetstone</a></span>
[root@localhost ~]# cat file |awk -F'[":<]' '{print $6"#"$8}'
thread-17873-1-2.html#The finest edge is made with the blunt whetstone

G00GLE

原帖由 meeslo 于 2008-3-26 03:07 发表
[root@localhost ~]# cat file
每日学口语(1.31):The finest edge is made with the blunt whetstone
[root@localhost ~]# cat file |awk -F'[":

谢谢，脑筋转不过来，没想到要设定多个分隔符。

chliang315

原帖由 meeslo 于 2008-3-26 03:07 发表
[root@localhost ~]# cat file
每日学口语(1.31):The finest edge is made with the blunt whetstone
[root@localhost ~]# cat file |awk -F'[":

这个比较经典，嘿嘿

springwind426

1. 
   
2. sed -r 's/<span[^>]*><a href="([^"]*)">[^:]*:([^<]*)<\/a><\/span>/\1#\2/'
   

复制代码

分析，好象结构是一个span，内部是一个a，a的内容是用：分隔成前后了，需要取出的是a的href和a的内容的:符号后面的内容。

nuclearxin

原帖由 springwind426 于 2008-3-26 16:33 发表

sed -r 's/]*>

比较专业
处理html 有时候比较头痛