免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
› 论坛 › 程序设计 › Shell › 如果去掉wget 下来的HTML 元素标签
最近访问板块 发新帖
查看: 1637 | 回复: 8
打印 上一主题 下一主题

[文本处理] 如果去掉wget 下来的HTML 元素标签 [复制链接]

l3lf

论坛徽章:
0
跳转到指定楼层
1楼 [收藏(0)] [报告]
发表于 2016-11-03 18:47 |只看该作者 |倒序浏览
wget下来一下网页太乱。。
标签, 元素
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
2楼 [报告]
发表于 2016-11-03 18:55 |只看该作者
贴出个示例的源文件, 具体要求是什么, 希望得出什么样的结果.
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？
l3lf

论坛徽章:
0
3楼 [报告]
发表于 2016-11-03 19:00 |只看该作者
  1. </head>
  2. <body>
  3. <div class="page-container">
  4.         <header>
  5.         <img src="" alt="top-banner" class="top-banner">
  6.                 <div class="page-menu">
  7.                         <div class="left"><a href="javascript:history.back(-1);"></a></a></div>
  8.                         <div class="content">今日详情</div>
  9.                         <div class="right"><a href="index.do?partner="></a></div>
  10.                 </div>
  11.                 <div class="header-info">

  13. -----------------------------------
  14. 包含<>内的东西全部去掉
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？
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
4楼 [报告]
发表于 2016-11-03 19:30 |只看该作者
本帖最后由 sunzhiguolu 于 2016-11-03 19:37 编辑

回复 3# l3lf
希望得到的结果是:今日详情



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
5楼 [报告]
发表于 2016-11-03 19:51 |只看该作者
对于你提供的示例文件:

  2. #!/usr/bin/perl
  3. use strict;
  4. use warnings;

  6. binmode (STDOUT, ':encoding(utf8)');
  7. open (my $FHr, '<:encoding(utf8)', shift);
  8. while (<$FHr>){
  9.     my @aContents = />([^<>]++)</g;
  10.     print join ("\t", @aContents), "\n" if (@aContents);
  11. }
  12. close ($FHr);
复制代码


perl abc.pl test.htm
------------------------------------
今日详情
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
6楼 [报告]
发表于 2016-11-03 20:53 |只看该作者
本帖最后由 moperyblue 于 2016-11-03 21:03 编辑
  1. sed 's/\s*<[^>]*>\s*//g;/^\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？
zy86416779

论坛徽章:
2
程序设计版块每日发帖之星 日期:2015-09-07 06:20:00程序设计版块每日发帖之星 日期:2015-09-07 06:20:00
7楼 [报告]
发表于 2016-11-04 07:34 |只看该作者
  1. [root@CentOS_6 tmp]# awk -F "[<>]" '{print $3}' 1.txt | egrep -v "^$"
  2. 今日详情
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？
l3lf

论坛徽章:
0
8楼 [报告]
发表于 2016-11-04 08:13 |只看该作者
谢谢以上各位
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？
jcdiy0601

论坛徽章:
6
羊年新春福章 日期:2015-03-03 17:16:28双子座 日期:2015-03-03 17:16:56巳蛇 日期:2015-03-03 17:17:2415-16赛季CBA联赛之福建 日期:2016-03-11 09:05:00黑曼巴 日期:2016-07-07 16:58:1215-16赛季CBA联赛之吉林 日期:2016-11-14 09:23:07
9楼 [报告]
发表于 2016-11-04 09:40 |只看该作者
回复 1# l3lf

  1. sed -r 's/<[^>]*>//g;s/\s*//;/^$/d' 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？
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