免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
› 论坛 › 程序设计 › Shell › 文本处理求助-删除html标签
12下一页
最近访问板块 发新帖
查看: 6029 | 回复: 15
打印 上一主题 下一主题

[文本处理] 文本处理求助-删除html标签 [复制链接]

bikkuri

论坛徽章:
18
辰龙 日期:2014-05-21 21:01:4115-16赛季CBA联赛之深圳 日期:2016-12-23 13:51:3815-16赛季CBA联赛之北控 日期:2016-11-28 18:26:3815-16赛季CBA联赛之佛山 日期:2016-11-03 11:18:5815-16赛季CBA联赛之辽宁 日期:2016-07-10 16:09:4115-16赛季CBA联赛之江苏 日期:2016-02-20 23:09:202015亚冠之塔什干棉农 日期:2015-08-17 19:49:492015年亚洲杯之日本 日期:2015-04-30 01:24:342015年亚洲杯之约旦 日期:2015-04-01 00:37:182015年亚洲杯之沙特阿拉伯 日期:2015-03-02 15:55:40处女座 日期:2014-05-25 10:34:0020周年集字徽章-年 日期:2023-04-23 11:17:52
跳转到指定楼层
1楼 [收藏(0)] [报告]
发表于 2016-06-21 10:36 |只看该作者 |倒序浏览
5可用积分
大家好！
我有一个问题向大家请教。
有以下一个文本，我想把所有的html标签去掉，即把用尖括号<>括起来的内容全部去掉，另外空行也去掉。
原始文本：
<head><meta http-equiv='refresh' content='3600'>
<title>Welcome Page</title>
<base target=_blank></head>
<body>
<img src=../test.png><br><br><table border='2' align='center'>

If you have any question or comment, please send an e-mail to the <a href="mailto:master@abc.com">webmaster</a>.</pre></tt><br></td></tr></table><br>
<center><img src=/cgi-bin/dream/dream.cgi?id=test></center></body>
</html>
期望得到的文本：
Welcome Page
If you have any question or comment, please send an e-mail to the webmaster.
谢谢大家。

最佳答案

moperyblue

查看完整内容
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
2楼 [报告]
发表于 2016-06-21 10:36 |只看该作者
本帖最后由 moperyblue 于 2016-06-21 11:18 编辑
  1. sed 's/<[^>]*>//g;/^\s*$/d'
  2. awk -vRS='<[^>]*>' -vORS="" 'NF{print $0}'|sed '/^\s*$/d'
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？
过过招

论坛徽章:
3
程序设计版块每日发帖之星 日期:2016-02-23 06:20:0015-16赛季CBA联赛之八一 日期:2017-10-26 17:58:2515-16赛季CBA联赛之北控 日期:2017-11-02 10:50:56
3楼 [报告]
发表于 2016-06-21 10:47 |只看该作者
这玩意儿吧，看的头大。

拿来主义，谷歌  html2txt，分分钟搞定咯……
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？
jason680

论坛徽章:
145
技术图书徽章 日期:2013-10-01 15:32:13戌狗 日期:2013-10-25 13:31:35金牛座 日期:2013-11-04 16:22:07子鼠 日期:2013-11-18 18:48:57白羊座 日期:2013-11-29 10:09:11狮子座 日期:2013-12-12 09:57:42白羊座 日期:2013-12-24 16:24:46辰龙 日期:2014-01-08 15:26:12技术图书徽章 日期:2014-01-17 13:24:40巳蛇 日期:2014-02-18 14:32:59未羊 日期:2014-02-20 14:12:13白羊座 日期:2014-02-26 12:06:59
4楼 [报告]
发表于 2016-06-21 10:51 |只看该作者
$ awk '{gsub("<[^>]+>","")}!sub("^[\t ]*$","")' FILE
Welcome Page
If you have any question or comment, please send an e-mail to the webmaster.

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？
Herowinter

论坛徽章:
769
金牛座 日期:2014-02-26 17:49:58水瓶座 日期:2014-02-26 18:10:15白羊座 日期:2014-04-15 19:29:52寅虎 日期:2014-04-17 19:43:21酉鸡 日期:2014-04-19 21:24:10子鼠 日期:2014-04-22 13:55:24卯兔 日期:2014-04-22 14:20:58亥猪 日期:2014-04-22 16:13:09狮子座 日期:2014-05-05 22:31:17摩羯座 日期:2014-05-06 10:32:53处女座 日期:2014-05-12 09:23:11子鼠 日期:2014-05-21 18:21:27
5楼 [报告]
发表于 2016-06-21 10:52 |只看该作者
回复 1# bikkuri

  2. sed 's/<[^>]*>//g;/^$/d' i
  3. Welcome Page
  4. If you have any question or comment, please send an e-mail to the webmaster.
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？
wjemail

论坛徽章:
0
6楼 [报告]
发表于 2016-06-21 11:09 |只看该作者
  1. # sed -e 's/<[^>]*>//g' -e '/^$/d' q14
  2. Welcome Page
  3. If you have any question or comment, please send an e-mail to the webmaster.
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？
liion631818

论坛徽章:
10
天蝎座 日期:2013-09-22 22:32:23程序设计版块每日发帖之星 日期:2016-08-07 06:20:00lufei 日期:2016-06-17 17:38:40程序设计版块每日发帖之星 日期:2016-06-12 06:20:002016科比退役纪念章 日期:2016-05-31 15:47:20CU十四周年纪念徽章 日期:2016-05-27 12:24:562015年亚洲杯之阿曼 日期:2015-05-03 21:01:352015年辞旧岁徽章 日期:2015-03-03 16:54:15天蝎座 日期:2013-10-20 21:05:24程序设计版块每日发帖之星 日期:2016-08-11 06:20:00
7楼 [报告]
发表于 2016-06-21 12:19 |只看该作者
回复 1# bikkuri
  1. sed 's/<[^>]*>//g' | sed -n '/^$/!p'
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？
ll104567

论坛徽章:
10
15-16赛季CBA联赛之同曦 日期:2016-06-11 19:22:4115-16赛季CBA联赛之深圳 日期:2020-05-31 16:13:5615-16赛季CBA联赛之同曦 日期:2020-01-28 12:42:47每日论坛发贴之星 日期:2016-08-09 06:20:00程序设计版块每日发帖之星 日期:2016-08-09 06:20:00每日论坛发贴之星 日期:2016-07-12 06:20:00程序设计版块每日发帖之星 日期:2016-07-12 06:20:00程序设计版块每日发帖之星 日期:2016-07-06 06:20:00程序设计版块每日发帖之星 日期:2016-07-04 06:20:0015-16赛季CBA联赛之佛山 日期:2021-02-26 09:33:41
8楼 [报告]
发表于 2016-06-21 13:41 |只看该作者
  1. sed -e 's/<\/.*>//g' -e 's/<.*>//g' -e '/^$/d'
复制代码
贺哥？
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？
LikeLx

论坛徽章:
36
摩羯座 日期:2013-09-23 16:37:312015年亚洲杯之沙特阿拉伯 日期:2015-04-14 09:10:172015亚冠之柏太阳神 日期:2015-06-25 08:48:212015亚冠之武里南联 日期:2015-07-28 09:01:082015亚冠之莱赫维亚 日期:2015-07-28 15:44:172015亚冠之柏斯波利斯 日期:2015-09-06 14:08:52白银圣斗士 日期:2015-11-25 17:06:2815-16赛季CBA联赛之吉林 日期:2015-12-09 16:59:072016猴年福章徽章 日期:2016-02-18 15:30:3415-16赛季CBA联赛之辽宁 日期:2016-04-14 09:29:04luobin 日期:2016-06-17 17:46:3615-16赛季CBA联赛之天津 日期:2016-08-16 14:11:01
9楼 [报告]
发表于 2016-06-21 13:59 |只看该作者
  1. sed '/</{N;s/<[^\>]*>//g}'
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？
bikkuri

论坛徽章:
18
辰龙 日期:2014-05-21 21:01:4115-16赛季CBA联赛之深圳 日期:2016-12-23 13:51:3815-16赛季CBA联赛之北控 日期:2016-11-28 18:26:3815-16赛季CBA联赛之佛山 日期:2016-11-03 11:18:5815-16赛季CBA联赛之辽宁 日期:2016-07-10 16:09:4115-16赛季CBA联赛之江苏 日期:2016-02-20 23:09:202015亚冠之塔什干棉农 日期:2015-08-17 19:49:492015年亚洲杯之日本 日期:2015-04-30 01:24:342015年亚洲杯之约旦 日期:2015-04-01 00:37:182015年亚洲杯之沙特阿拉伯 日期:2015-03-02 15:55:40处女座 日期:2014-05-25 10:34:0020周年集字徽章-年 日期:2023-04-23 11:17:52
10楼 [报告]
发表于 2016-06-21 14:08 |只看该作者
谢谢大家的帮助！
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