免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
› 论坛 › 程序设计 › Shell › 请教 删除文件中部分信息方法
最近访问板块 发新帖
查看: 1544 | 回复: 5
打印 上一主题 下一主题

请教 删除文件中部分信息方法 [复制链接]

signmem

论坛徽章:
0
跳转到指定楼层
1楼 [收藏(0)] [报告]
发表于 2009-08-22 00:59 |只看该作者 |倒序浏览
现在我有一堆网页大概 3000 个.
现在规律是
<body>  
垃圾信息约莫 20 ~ 50 行不等, 里面的内容也不太一样
<!-- Main content -->
有用信息
....

每个网页中的特点就是要删除 <body> 至 <!--main conntent --> 中间部分信息..

我想通 SED 好像有找不到例子.
求一个可以使用的例子... 感谢.
ywlscpl

论坛徽章:
0
2楼 [报告]
发表于 2009-08-22 08:10 |只看该作者
删除<body> 和 <!--main conntent --> 包含的内容吗？

sed '/<body>/,/<!-- Main content -->/d' filename*
实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？
blackold

论坛徽章:
5
2015年辞旧岁徽章 日期:2015-03-03 16:54:152015年迎新春徽章 日期:2015-03-04 09:50:282015年亚洲杯之朝鲜 日期:2015-03-13 22:47:33IT运维版块每日发帖之星 日期:2016-01-09 06:20:00IT运维版块每周发帖之星 日期:2016-03-07 16:27:44
3楼 [报告]
发表于 2009-08-22 08:47 |只看该作者
应该不删除<body>吧。
gsed
  1. sed -i '/<boby>/{:n;N;s/\(<body>\).*<!-- Main content -->/\1/;Tn}' urfiles
复制代码

  1. awk -v RS='<body>|<!-- Main content -->' 'FNR==2{$0="<body>"}1' urfiles
复制代码
实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？
guhuajian

论坛徽章:
0
4楼 [报告]
发表于 2009-08-22 13:04 |只看该作者
sed '/<body>/,/<!-- Main content -->/c"<body>\/n<!-- Main content -->"' filename*

[ 本帖最后由 guhuajian 于 2009-8-22 13:05 编辑 ]
实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？
signmem

论坛徽章:
0
5楼 [报告]
发表于 2009-08-22 18:17 |只看该作者
谢谢, 我用了笨方法.呵呵.
#!/bin/bash
a=`ls  *.html`
for name in $a
do
beg=`grep --line-number '<body  >' $name | awk -F: '{print $1}'`
let beg++
end=`grep --line-number '<!-- Main content -->' $name | awk -F: '{print $1}'`
let end--
echo sed -i $beg,$end"d" $name > b.sh
done
总算完成了....
实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？
signmem

论坛徽章:
0
6楼 [报告]
发表于 2009-08-22 18:18 |只看该作者
黑哥好强~~~
实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？
返回列表 发新帖
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 注册

本版积分规则 发表回复

  

北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号-6 北京市公安局海淀分局网监中心备案编号：11010802020122 niuxiaotong@pcpop.com 17352615567
未成年举报专区
中国互联网协会会员  联系我们：huangweiwei@itpub.net
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP