Awk 提取html标记'；属性

我正在寻找使用awk解析此HTML片段的最简单方法：

<a id=1 data1="sth11" data2="sth12" data3="sth13 "><div class="cl1"></div></a> ;
<a id=2 data1="sth21" data2="sth22" data3=" sth23"><div class="cl2"></div></a>   ;
<a id=2 data1="sth31" data3="  sth33  " data2="sth32" ><div class="cl3"></div></a>  ;

我试图浏览awk的指南，但它似乎太大了，虽然这似乎是一个简单的问题，我仍然没有找到完美的解决方案尚未

如果我需要其他东西或类似的东西来避免每次询问，最好有解决方案、解释和一些来源

我试过一个简单的方法，但这个不好，因为字段是固定的，因此没有连接

并且不修剪空格：

cat数据| awk-F'”/data3=/{print$6}'

谢谢大家
正如其他人所建议的那样，专用html/xml解析器将是最好的解决方案，但如果您不能使用，您可以尝试以下GNU awk解决方案：

awk -F '[ >]' '{ gsub("data3=\"[[:space:]]+","data3=\"",$0);gsub("[[:space:]]+\"","\"",$0);for (i=1;i<=NF;i++) { if ($i ~ /data3/) { split($i,map,"=");gsub("\"","",map[2]);printf "%s;",map[2] } } }' file

awk-F'[>]''{gsub（“data3=\”[[：space:]+”，“data3=\”，$0）；gsub（[：space:]+\”，“\”，$0）；for（i=1；i）
gsub（“data3=\”[[：space:]+，“data3=\”，$0）；#删除data3元素定义中的任何空格
gsub（“[：space:]+\”、“\”、$0）；
对于（i=1；i，正如其他人所建议的，专用html/xml解析器将是最好的解决方案，但如果您不能使用，可以尝试以下GNU awk解决方案：

awk -F '[ >]' '{ gsub("data3=\"[[:space:]]+","data3=\"",$0);gsub("[[:space:]]+\"","\"",$0);for (i=1;i<=NF;i++) { if ($i ~ /data3/) { split($i,map,"=");gsub("\"","",map[2]);printf "%s;",map[2] } } }' file

awk-F'[>]''{gsub（“data3=\”[[：space:]+”，“data3=\”，$0）；gsub（[：space:]+\”，“\”，$0）；for（i=1；i）
gsub（“data3=\”[[：space:]+，“data3=\”，$0）；#删除data3元素定义中的任何空格
gsub（“[：space:]+\”、“\”、$0）；
首先，我强烈建议不要使用（i=1；i）进行XML处理

对于您提供的示例，此命令可能会产生所需的输出：

awk -F 'data3="|>' 'BEGIN{ORS=";"}{sub(/^ +/,"",$2); sub(/[ "].*/,"",$2); print $2}' file

输出：

sth13;sth23;sth33;

演示：
首先，我强烈建议不要使用XML处理。有更好的工具

对于您提供的示例，此命令可能会产生所需的输出：

awk -F 'data3="|>' 'BEGIN{ORS=";"}{sub(/^ +/,"",$2); sub(/[ "].*/,"",$2); print $2}' file

输出：

sth13;sth23;sth33;

演示：
$grep-oP'（？
$grep-oP'（？如果列号不固定（只是注意到oP的输入在最后一行切换了data2/data3）：

$awk-v ORS='；''匹配（$0，/data3=“[^”]+”/）{
m=substr（$0，RSTART+7，RLENGTH-8）；
gsub（/^++$/，“”，m）；print m}'ip.txt
sth13；sth23；sth33；


-v ORS='；”
将输出记录分隔符更改为
；
，而不是换行符
match（$0，/data3=“[^”]+”/）
将匹配包含
data3=“
后跟非
”
字符和
字符的行

m=substr（$0，RSTART+7，RLENGTH-8）
将提取匹配部分减去
data3=“
和最后一个
”
字符
gsub（/^++$/，“”，m）
将从
m



修改F.Knorr的解决方案：

awk -F '[ >]' '{ gsub("data3=\"[[:space:]]+","data3=\"",$0);gsub("[[:space:]]+\"","\"",$0);for (i=1;i<=NF;i++) { if ($i ~ /data3/) { split($i,map,"=");gsub("\"","",map[2]);printf "%s;",map[2] } } }' file

awk-F'data3=“*”-v ORS=”；“'NF>1{sub（/*”*/，“，”，$2）；打印$2}”


-F'data3=“*”
将使用
data3=“
后跟可选空格作为字段分隔符
NF>1
将确保仅选择包含
data3=“
的行
sub（/*“*/，”，$2）
将从行中删除可选空格和剩余字符

对于多个匹配：

awk-F'data3=“*”-v ORS=”；“{for（i=2；i如果列号不固定（注意OP的输入在最后一行切换了data2/data3）：

$awk-v ORS='；''匹配（$0，/data3=“[^”]+”/）{
m=substr（$0，RSTART+7，RLENGTH-8）；
gsub（/^++$/，“”，m）；print m}'ip.txt
sth13；sth23；sth33；


-v ORS='；”
将输出记录分隔符更改为
；
，而不是换行符
match（$0，/data3=“[^”]+”/）
将匹配包含
data3=“
后跟非
”
字符和
字符的行

m=substr（$0，RSTART+7，RLENGTH-8）
将提取匹配部分减去
data3=“
和最后一个
”
字符
gsub（/^++$/，“”，m）
将从
m



修改F.Knorr的解决方案：

awk -F '[ >]' '{ gsub("data3=\"[[:space:]]+","data3=\"",$0);gsub("[[:space:]]+\"","\"",$0);for (i=1;i<=NF;i++) { if ($i ~ /data3/) { split($i,map,"=");gsub("\"","",map[2]);printf "%s;",map[2] } } }' file

awk-F'data3=“*”-v ORS=”；“'NF>1{sub（/*”*/，“，”，$2）；打印$2}”


-F'data3=“*”
将使用
data3=“
后跟可选空格作为字段分隔符
NF>1
将确保仅选择包含
data3=“
的行
sub（/*“*/，”，$2）
将从行中删除可选空格和剩余字符

对于多个匹配：

awk-F'data3=“*”-v ORS=”；“{for（i=2；我到目前为止你试过什么？
awk
就像数字42。有学习
awk
的资源。不过，我建议使用
xmlstarlet
，
xpath
，
dasel
等工具来解决这个问题……谢谢你，由于平台的限制，我不得不坚持使用awk。到目前为止你试过什么？
awk
就像数字42。有学习
awk
的资源。不过，我建议使用
xmlstarlet
、
xpath
、
dasel
等工具来解决这个问题……谢谢你，由于平台的限制，我不得不坚持使用awk。你可以使用
grep-oP'data3=“\h*\K.*（？=\h*））“
为了避免
sed
@Sundeep，thx，标准lookback不支持可变长度断言。尝试避免
perl
细节。否则，只需使用
perl
即可。您可以使用
grep-oP'data3=“\h*\K.*（？=\h*）”“
为了避免
sed
@Sundeep，thx，标准lookback不支持可变长度断言。尝试避免
perl
细节。否则，只需使用
perl