免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
› 论坛 › 程序设计 › Shell › 如何用grep抽取<body> </body>之间的全部文本 ...
12下一页
最近访问板块 发新帖
查看: 3710 | 回复: 11
打印 上一主题 下一主题

[文本处理] 如何用grep抽取<body> </body>之间的全部文本 [复制链接]

yufeiluo

论坛徽章:
0
跳转到指定楼层
1楼 [收藏(0)] [报告]
发表于 2016-03-25 12:15 |只看该作者 |倒序浏览
如何用grep抽取一个html文件中的，从<body>  到</body>之间的全部文本
如何
elu_ligao

论坛徽章:
29
程序设计版块每日发帖之星 日期:2016-02-29 06:20:0015-16赛季CBA联赛之天津 日期:2016-08-10 10:33:1115-16赛季CBA联赛之深圳 日期:2016-08-17 15:07:2015-16赛季CBA联赛之佛山 日期:2016-11-07 11:33:5015-16赛季CBA联赛之广夏 日期:2016-11-15 09:13:31CU十四周年纪念徽章 日期:2016-11-24 14:12:25极客徽章 日期:2016-12-07 14:03:4015-16赛季CBA联赛之深圳 日期:2016-12-07 17:15:2715-16赛季CBA联赛之北京 日期:2016-12-22 09:30:0115-16赛季CBA联赛之深圳 日期:2016-12-22 10:49:2115-16赛季CBA联赛之山西 日期:2017-02-10 09:05:3215-16赛季CBA联赛之同曦 日期:2017-02-27 14:19:08
2楼 [报告]
发表于 2016-03-25 12:28 |只看该作者
用sed 会好一些吧， 跨行的话grep 不好弄吧
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？
yufeiluo

论坛徽章:
0
3楼 [报告]
发表于 2016-03-25 12:28 |只看该作者
sed如何写？
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？
moperyblue

论坛徽章:
28
15-16赛季CBA联赛之八一 日期:2016-02-22 19:10:4215-16赛季CBA联赛之深圳 日期:2016-12-01 10:34:0415-16赛季CBA联赛之新疆 日期:2016-12-07 10:24:2915-16赛季CBA联赛之同曦 日期:2016-12-15 12:06:43CU十四周年纪念徽章 日期:2016-12-18 13:03:4415-16赛季CBA联赛之吉林 日期:2017-01-03 15:52:2515-16赛季CBA联赛之辽宁 日期:2017-01-04 14:58:2415-16赛季CBA联赛之辽宁 日期:2017-01-15 09:42:512016科比退役纪念章 日期:2017-02-06 17:21:50黑曼巴 日期:2017-02-10 15:46:1215-16赛季CBA联赛之上海 日期:2017-03-18 10:14:5415-16赛季CBA联赛之青岛 日期:2017-03-18 22:00:44
4楼 [报告]
发表于 2016-03-25 12:34 |只看该作者
数据有木有? 想要的结果是怎样?
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？
haooooaaa

论坛徽章:
54
2015亚冠之德黑兰石油 日期:2015-07-07 13:00:1615-16赛季CBA联赛之深圳 日期:2016-03-31 09:03:5415-16赛季CBA联赛之辽宁 日期:2016-05-09 20:38:15程序设计版块每日发帖之星 日期:2016-05-12 06:20:0015-16赛季CBA联赛之四川 日期:2016-05-13 15:19:4715-16赛季CBA联赛之福建 日期:2016-05-15 20:24:34每日论坛发贴之星 日期:2016-05-16 06:20:0015-16赛季CBA联赛之吉林 日期:2016-05-26 11:49:4715-16赛季CBA联赛之广东 日期:2016-05-26 13:49:18极客徽章 日期:2016-12-07 14:05:2315-16赛季CBA联赛之广夏 日期:2016-12-20 17:33:532017金鸡报晓 日期:2017-01-10 15:19:56
5楼 [报告]
发表于 2016-03-25 12:42 |只看该作者
  1. awk -vRS='<body[^>]*>|</body>' 'NR==2'
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？
yufeiluo

论坛徽章:
0
6楼 [报告]
发表于 2016-03-25 19:19 |只看该作者
可以用任何一个html文档测试，结果不对哈
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？
sunzhiguolu

论坛徽章:
307
程序设计版块每周发帖之星 日期:2016-04-08 00:41:33操作系统版块每日发帖之星 日期:2015-09-02 06:20:00每日论坛发贴之星 日期:2015-09-02 06:20:00程序设计版块每日发帖之星 日期:2015-09-04 06:20:00每日论坛发贴之星 日期:2015-09-04 06:20:00每周论坛发贴之星 日期:2015-09-06 22:22:00程序设计版块每日发帖之星 日期:2015-09-09 06:20:00程序设计版块每日发帖之星 日期:2015-09-19 06:20:00程序设计版块每日发帖之星 日期:2015-09-20 06:20:00每日论坛发贴之星 日期:2015-09-20 06:20:00程序设计版块每日发帖之星 日期:2015-09-22 06:20:00程序设计版块每日发帖之星 日期:2015-09-24 06:20:00
7楼 [报告]
发表于 2016-03-25 19:32 |只看该作者
回复 6# yufeiluo
啥都没提供, 你咋知道结果不对?

   
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？
sunzhiguolu

论坛徽章:
307
程序设计版块每周发帖之星 日期:2016-04-08 00:41:33操作系统版块每日发帖之星 日期:2015-09-02 06:20:00每日论坛发贴之星 日期:2015-09-02 06:20:00程序设计版块每日发帖之星 日期:2015-09-04 06:20:00每日论坛发贴之星 日期:2015-09-04 06:20:00每周论坛发贴之星 日期:2015-09-06 22:22:00程序设计版块每日发帖之星 日期:2015-09-09 06:20:00程序设计版块每日发帖之星 日期:2015-09-19 06:20:00程序设计版块每日发帖之星 日期:2015-09-20 06:20:00每日论坛发贴之星 日期:2015-09-20 06:20:00程序设计版块每日发帖之星 日期:2015-09-22 06:20:00程序设计版块每日发帖之星 日期:2015-09-24 06:20:00
8楼 [报告]
发表于 2016-03-25 19:47 |只看该作者
  1. perl -nle "if (/\A<body/ .. m(\A</body)){print}" ur.txt
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？
moperyblue

论坛徽章:
28
15-16赛季CBA联赛之八一 日期:2016-02-22 19:10:4215-16赛季CBA联赛之深圳 日期:2016-12-01 10:34:0415-16赛季CBA联赛之新疆 日期:2016-12-07 10:24:2915-16赛季CBA联赛之同曦 日期:2016-12-15 12:06:43CU十四周年纪念徽章 日期:2016-12-18 13:03:4415-16赛季CBA联赛之吉林 日期:2017-01-03 15:52:2515-16赛季CBA联赛之辽宁 日期:2017-01-04 14:58:2415-16赛季CBA联赛之辽宁 日期:2017-01-15 09:42:512016科比退役纪念章 日期:2017-02-06 17:21:50黑曼巴 日期:2017-02-10 15:46:1215-16赛季CBA联赛之上海 日期:2017-03-18 10:14:5415-16赛季CBA联赛之青岛 日期:2017-03-18 22:00:44
9楼 [报告]
发表于 2016-03-25 20:04 |只看该作者
本帖最后由 moperyblue 于 2016-03-30 13:40 编辑
  1. paste -sd '@' file|grep -oP '<body>.*</body>'|tr '@' '\n'
  2. sed -nr '/<body>/{:a;N;/<\/body>/!ba;s/.*(<body>.*<\/body>).*/\1/p}' file
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？
feloxx

论坛徽章:
1
操作系统版块每日发帖之星 日期:2016-04-14 06:20:00
10楼 [报告]
发表于 2016-03-27 21:59 |只看该作者
# cat test
<body>1</body>
<body>2</body>
<body>3</body>
<body>4</body>
<body>5</body>
<body>6</body>
<body>7</body>
<body>8</body>
<body>9</body>



#  grep -Po '(?<body>)[^</body>]+' test  
1
2
3
4
5
6
7
8
9


多搜搜论坛里就知道了
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？
12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