免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
› 论坛 › 程序设计 › Shell › 如何将几个表格信息转成按行分割的文本信息
12345678910... 2473973下一页
最近访问板块 发新帖
查看: 24739726 | 回复: 24739726
打印 上一主题 下一主题

[文本处理] 如何将几个表格信息转成按行分割的文本信息 [复制链接]

linlone

论坛徽章:
0
跳转到指定楼层
1楼 [收藏(0)] [报告]
发表于 2016-01-17 11:40 |只看该作者 |倒序浏览
比如下面的数据：
  1.         <table>
  2.                 <tr>
  3.                         <td><a href="/projects/report/wiki/aa" class="wiki-page">张三</a></td>
  4.                         <td><a href="/projects/report/wiki/bb" class="wiki-page">李四</a></td>
  5.                         <td><a href="/projects/report/wiki/cc" class="wiki-page">王麻子</a></td>
  6.                 </tr>
  7.         </table>
  8.         <table>
  9.                 <tr>
  10.                         <td><a href="/projects/report/wiki/dd" class="wiki-page">唐六</a></td>
  11.                         <td><a href="/projects/report/wiki/ee" class="wiki-page">吴七</a></td>
  12.                         <td><a href="/projects/report/wiki/ff" class="wiki-page">龟孙子</a></td>
  13.                 </tr>
  14.         </table>
复制代码
如何转成：
  1. 张三 李四 王麻子
  2. 唐六 吴七 龟孙子
复制代码
王麻子, 如何, 信息
关阴月飞

论坛徽章:
39
辰龙 日期:2013-08-21 15:45:192015亚冠之广州富力 日期:2015-05-12 16:34:52亥猪 日期:2015-03-03 17:22:00申猴 日期:2015-03-03 17:21:37未羊 日期:2014-10-10 13:45:41戌狗 日期:2014-06-17 09:53:29巨蟹座 日期:2014-06-12 23:17:17双鱼座 日期:2014-06-10 12:42:44寅虎 日期:2014-06-09 12:52:172015亚冠之卡尔希纳萨夫 日期:2015-05-24 15:24:35黄金圣斗士 日期:2015-12-02 17:25:0815-16赛季CBA联赛之吉林 日期:2017-06-24 16:43:52
2楼 [报告]
发表于 2016-01-17 14:25 |只看该作者
本帖最后由 关阴月飞 于 2016-01-17 14:25 编辑
  1. elinks -dump urfile
复制代码

评分

参与人数 1可用积分 +6 收起 理由
MMMIX + 6 赞一个!

查看全部评分

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？
baby_神

论坛徽章:
20
程序设计版块每日发帖之星 日期:2015-10-11 06:20:0015-16赛季CBA联赛之山东 日期:2016-05-28 18:18:5615-16赛季CBA联赛之新疆 日期:2017-04-12 22:55:4715-16赛季CBA联赛之青岛 日期:2017-06-26 18:30:0315-16赛季CBA联赛之四川 日期:2017-09-04 12:27:0315-16赛季CBA联赛之福建 日期:2018-02-09 14:28:3315-16赛季CBA联赛之同曦 日期:2018-04-17 12:43:3415-16赛季CBA联赛之浙江 日期:2018-07-14 13:27:4015-16赛季CBA联赛之吉林 日期:2018-09-13 15:48:2915-16赛季CBA联赛之新疆 日期:2016-05-07 05:05:3215-16赛季CBA联赛之八一 日期:2016-03-14 12:32:06程序设计版块每日发帖之星 日期:2015-12-12 06:20:00
3楼 [报告]
发表于 2016-01-17 14:27 |只看该作者
本帖最后由 baby_神 于 2016-01-17 14:33 编辑

awk -F '[><]' '/<td>/{print $5}' a | sed 'N;N;s/\n/ /g'
awk -F '[><]' '/<td>/{print $5}' a | awk '{if(NR%3!=0)printf("%s ",$1);else printf("%s\n",$1)}'
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？
linlone

论坛徽章:
0
4楼 [报告]
发表于 2016-01-17 18:04 |只看该作者
本帖最后由 linlone 于 2016-01-17 18:04 编辑

回复 3# baby_神


    变一下我的要求：
  1. $ cat t.txt
  2.         <table>
  3.                 <tr>
  4.                         <td><a href="/projects/report/wiki/aa" class="wiki-page">张三</a></td>
  5.                         <td><a href="/projects/report/wiki/bb" class="wiki-page">李四</a></td>
  6.                         <td><a href="/projects/report/wiki/cc" class="wiki-page">王麻子</a></td>
  7.                         <td><a href="/projects/report/wiki/cc" class="wiki-page">老五</a></td>
  8.                 </tr>
  9.         </table>
  10.         <table>
  11.                 <tr>
  12.                         <td><a href="/projects/report/wiki/dd" class="wiki-page">唐六</a></td>
  13.                         <td><a href="/projects/report/wiki/ee" class="wiki-page">吴七</a></td>
  14.                         <td><a href="/projects/report/wiki/ff" class="wiki-page">龟孙子</a></td>
  15.                 </tr>
  16.         </table>
复制代码
期望输出：
  1. 张三 李四 王麻子 老五
  2. 唐六 吴七 龟孙子
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？
baby_神

论坛徽章:
20
程序设计版块每日发帖之星 日期:2015-10-11 06:20:0015-16赛季CBA联赛之山东 日期:2016-05-28 18:18:5615-16赛季CBA联赛之新疆 日期:2017-04-12 22:55:4715-16赛季CBA联赛之青岛 日期:2017-06-26 18:30:0315-16赛季CBA联赛之四川 日期:2017-09-04 12:27:0315-16赛季CBA联赛之福建 日期:2018-02-09 14:28:3315-16赛季CBA联赛之同曦 日期:2018-04-17 12:43:3415-16赛季CBA联赛之浙江 日期:2018-07-14 13:27:4015-16赛季CBA联赛之吉林 日期:2018-09-13 15:48:2915-16赛季CBA联赛之新疆 日期:2016-05-07 05:05:3215-16赛季CBA联赛之八一 日期:2016-03-14 12:32:06程序设计版块每日发帖之星 日期:2015-12-12 06:20:00
5楼 [报告]
发表于 2016-01-17 19:10 |只看该作者

awk -F '[><]' '/<td>/{print $5}' a | awk '{if(NR%4!=0)printf("%s ",$1);else printf("%s\n",$1)}'
你到底要干啥，直接说需求呗，我只是根据你发的文本来提取你要的答案，有点像“ X-Y Problem”
回复 4# linlone


   
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？
linlone

论坛徽章:
0
6楼 [报告]
发表于 2016-01-17 19:17 |只看该作者
回复 5# baby_神


    呵呵，我的需求是：“张三 李四 王麻子 老五。。。。”这个名字的个数是不一定的，有可能10个，也有可能20个，完全依据“<table>”包围的个数来定的
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？
linlone

论坛徽章:
0
7楼 [报告]
发表于 2016-01-17 20:19 |只看该作者
这是我的实现方式：
  1. $ cat t.txt
  2.         <table>
  3.                 <tr>
  4.                         <td><a href="/projects/report/wiki/aa" class="wiki-page">张三</a></td>
  5.                         <td><a href="/projects/report/wiki/bb" class="wiki-page">李四</a></td>
  6.                         <td><a href="/projects/report/wiki/cc" class="wiki-page">王麻子</a></td>
  7.                         <td><a href="/projects/report/wiki/cc" class="wiki-page">老五</a></td>
  8.                 </tr>
  9.         </table>
  10.         <table>
  11.                 <tr>
  12.                         <td><a href="/projects/report/wiki/dd" class="wiki-page">唐六</a></td>
  13.                         <td><a href="/projects/report/wiki/ee" class="wiki-page">吴七</a></td>
  14.                         <td><a href="/projects/report/wiki/ff" class="wiki-page">龟孙子</a></td>
  15.                 </tr>
  16.         </table>

  18. $ cat t.txt  | tr  -d '\n' | sed 's#</table>#\n#g' | sed -e 's/<[^>]*>//g' | sed -r 's/\s+/ /g'
  19. 张三 李四 王麻子 老五
  20. 唐六 吴七 龟孙子
复制代码
我又想了一个办法，使用awk，设置RS = "</table>"，但awk中如何把HTML标签都删除，只留下纯文本呢？
  1. $ awk 'BEGIN{ RS = "</table>"; FS="[><]" } {print $9"----"}' t.txt
  2. 张三----
  3. 唐六----
  4. ----
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？
sync_1521

论坛徽章:
12
IT运维版块每日发帖之星 日期:2015-11-17 06:20:00程序设计版块每日发帖之星 日期:2016-01-19 06:20:0015-16赛季CBA联赛之江苏 日期:2016-01-17 15:31:3915-16赛季CBA联赛之上海 日期:2016-01-16 15:44:3015-16赛季CBA联赛之浙江 日期:2016-01-15 20:38:1815-16赛季CBA联赛之北京 日期:2016-01-09 14:30:15CU十四周年纪念徽章 日期:2016-01-07 12:31:5115-16赛季CBA联赛之四川 日期:2016-01-01 11:49:1515-16赛季CBA联赛之深圳 日期:2015-12-24 14:23:4115-16赛季CBA联赛之山西 日期:2015-12-15 16:22:31技术图书徽章 日期:2015-12-10 17:41:0015-16赛季CBA联赛之北控 日期:2016-02-03 10:03:24
8楼 [报告]
发表于 2016-01-17 20:23 |只看该作者
awk  '/<\/table>/{print s;s=""}{match($0,">([^<]+)<",a);s=s?s"\t"a[1]:a[1]}'
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？
MMMIX

论坛徽章:
95
程序设计版块每日发帖之星 日期:2015-09-05 06:20:00程序设计版块每日发帖之星 日期:2015-09-17 06:20:00程序设计版块每日发帖之星 日期:2015-09-18 06:20:002015亚冠之阿尔艾因 日期:2015-09-18 10:35:08月度论坛发贴之星 日期:2015-09-30 22:25:002015亚冠之阿尔沙巴布 日期:2015-10-03 08:57:39程序设计版块每日发帖之星 日期:2015-10-05 06:20:00每日论坛发贴之星 日期:2015-10-05 06:20:002015年亚冠纪念徽章 日期:2015-10-06 10:06:482015亚冠之塔什干棉农 日期:2015-10-19 19:43:35程序设计版块每日发帖之星 日期:2015-10-21 06:20:00每日论坛发贴之星 日期:2015-09-14 06:20:00
9楼 [报告]
发表于 2016-01-17 21:30 |只看该作者
回复 6# linlone


    给个完整的输入来看看。
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？
yjh777

论坛徽章:
84
每日论坛发贴之星 日期:2015-12-29 06:20:00每日论坛发贴之星 日期:2016-01-16 06:20:00每周论坛发贴之星 日期:2016-01-17 22:22:00程序设计版块每日发帖之星 日期:2016-01-20 06:20:00每日论坛发贴之星 日期:2016-01-20 06:20:00程序设计版块每日发帖之星 日期:2016-01-21 06:20:00每日论坛发贴之星 日期:2016-01-21 06:20:00程序设计版块每日发帖之星 日期:2016-01-23 06:20:00程序设计版块每日发帖之星 日期:2016-01-31 06:20:00数据库技术版块每日发帖之星 日期:2016-01-16 06:20:00程序设计版块每日发帖之星 日期:2016-01-16 06:20:00程序设计版块每日发帖之星 日期:2016-01-14 06:20:00
10楼 [报告]
发表于 2016-01-17 21:37 |只看该作者
试试  w3m -dump
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？
12345678910... 2473973下一页
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