提取 HTML标记之间内容

izzy_sec

我想用正则表达式匹配一份html源码里的中文公司名和电话号码部分，但是尝试了sed和awk都不是很有效果。希望有朋友能给予帮助。
<font color=#0044DD>振宇汽贸公司</font></b></b></a></td></tr><tr height="22"><td colspan="2" width="80%"><a href="html/78398.htm" target="_blank"><p style="line-height: 150%">经营范围：旧机动车地　 址: 济南市天桥区无影山北路北首2号</p></a></td><td  width="20%" align="right">山东省-济南市</td></tr><tr height="22"><td colspan="3"><font color=#999999><i>(发布：2009-1-12  有效期还有3393天  联系人:游客  TEL:0531-85570272)</i></font></td></tr><tr><td colspan="3" background="images/news_022.gif"> </td></tr><tr height="25"><td colspan="3"><img src="images/news_021.gif" width="14" height="16" align="left">  <a href="html/78399.htm" target="_blank"><b><b><font color=#0044DD>613车行</font></b></b></a></td></tr><tr height="22"><td colspan="2" width="80%"><a href="html/78399.htm" target="_blank"><p style="line-height: 150%">经营范围：旧机动车地　 址: 济南市天桥区无影山北路北首2号</p></a></td><td  width="20%" align="right">山东省-济南市</td></tr><tr height="22"><td colspan="3"><font color=#999999><i>(发布：2009-1-12  有效期还有3393天  联系人:游客  TEL:0531-86861337)</i></font></td></tr><tr><td colspan="3" background="images/news_022.gif"> </td></tr><tr height="25"><td colspan="3"><img src="images/news_021.gif" width="14" height="16" align="left">  <a href="html/78400.htm" target="_blank"><b><b><font color=#0044DD>信海旧机动车经纪车行</font></b></b></a></td></tr><tr height="22"><td colspan="2" width="80%"><a href="html/78400.htm" target="_blank"><p style="line-height: 150%">经营范围：旧机动车地　 址: 济南市天桥区无影山北路北首2号</p></a></td><td  width="20%" align="right">山东省-济南市</td></tr><tr height="22"><td colspan="3"><font color=#999999><i>(发布：2009-1-12  有效期还有3393天  联系人:游客  TEL:0531-85757996)</i></font></td></tr><tr><td colspan="3" background="images/news_022.gif"> </td></tr><tr height="25"><td colspan="3"><img src="images/news_021.gif" width="14" height="16" align="left">  <a href="html/78401.htm" target="_blank"><b><b><font color=#0044DD>祥通兴群旧机动车经纪车行</font></b></b></a></td></tr><tr height="22"><td colspan="2" width="80%"><a href="html/78401.htm" target="_blank"><p style="line-height: 150%">经营范围：旧机动车地　 址: 济南市天桥区无影山北路北首2号</p></a></td><td  width="20%" align="right">山东省-济南市</td></tr><tr height="22"><td colspan="3"><font color=#999999><i>(发布：2009-1-12  有效期还有3393天  联系人:游客  TEL:0531-81263615)</i></font></td></tr><tr><td colspan="3"
以上为部分内容，需要挑选出公司名然后电话。
例如格式：
振宇汽贸公司
TEL:0531-85570272
613车行
TEL:0531-86861337
.......

color=#0044DD>在文件中是唯一的，只有在公司名字前面才有这个颜色属性，
我对正则表达式不是特别精通，希望各位给出具体的代码语句，谢谢。
整个文件我已经添加到附件中。 info.rar (7.27 KB, 下载次数: 17)

2009-09-26 15:04 上传

点击文件名下载附件

[ 本帖最后由 izzy_sec 于 2009-9-26 15:13 编辑 ]

blackold

用grep就可以了

1. grep -Po '(?<=0044DD>)[^<]*|TEL:[0-9-]*' urfile

复制代码

lucash

dd

[ 本帖最后由 lucash 于 2009-9-26 15:46 编辑 ]

lucash

awk -F'[ ><)]+' '{for(i=1;i<=NF;i++) if($i~/color=#0044DD|联系人/) print $(i+1)}' log

寂寞烈火

前面先分个段， 然后再用2楼黑哥的代码， 如图：

izzy_sec

谢谢各位，问题解决了，看来自己还有很多东西需要学习。这个分数给黑哥好了。他是第一个回答的。谢谢黑哥