Bash 如何获取标记中间的文本？

这是我的输出，但我得到的只是

      Some Text:
      Some Text:
      Some Text:
      Some Text: More Text 
      Some Text: More Text

这是我在linux中的shell脚本函数

      Some Text:
      Some Text:
      Some Text: More Text

#/垃圾箱/垃圾箱
sed-n-e's/*
\（.*\）./\1/p'$1>临时
sed-e的/这里是GNU awk的一种方式（第一行是空行）：

$gawk'
RT==“||RT==”
“&&NF{
gsub（/^*|*$/，“”）
打印文件“%s%s”，（ORS=！（NR%2）？：“\n”），$0
}
结束{print“\n”}RS='|'文件
一些文本：
一些文本：
一些文本：
一些文本：
一些文本：更多文本
一些文本：更多文本

这里是GNU awk的一种方式（第一行是空行）：

$gawk'
RT==“||RT==”“&&NF{
gsub（/^*|*$/，“”）
打印文件“%s%s”，（ORS=！（NR%2）？：“\n”），$0
}
结束{print“\n”}RS='|'文件
一些文本：
一些文本：
一些文本：
一些文本：
一些文本：更多文本
一些文本：更多文本

您的第一行sed不符合您的要求： 每行仅匹配一个事件

#!/bin/sh

sed-n-e's/*
\（.*\）./\1/p'$1>temp
这个^^

哪一项与……线路的其余部分相匹配（显然不是您所期望的）

一个快速解决方法是在任何其他处理之前，将每个

更改为

加换行符

sed -n -e 's/.*<li>\(.*\)<\/li>.*/\1/p' $1 > temp
this...........................^^

#/垃圾箱/垃圾箱
sed-e's/\n/g'$1“|\
sed-n-e的s/*
\（.*\）/\1/p'|\
sed-e的///g'>输出

我不是sed专家…其他人可能有更优雅的解决方案

您的第一行sed不符合您的要求：
每行仅匹配一个事件

#!/bin/sh

sed-n-e's/*
\（.*\）./\1/p'$1>temp
这个^^

哪一项与……线路的其余部分相匹配（显然不是您所期望的）

一个快速解决方法是在任何其他处理之前，将每个
更改为
加换行符

sed -n -e 's/.*<li>\(.*\)<\/li>.*/\1/p' $1 > temp
this...........................^^

#/垃圾箱/垃圾箱
sed-e's/\n/g'$1“|\
sed-n-e的s/*
\（.*\）/\1/p'|\
sed-e的///g'>输出

我不是sed专家…如果您不介意使用第三方工具，其他人可能会有一个更优雅的解决方案-多平台web抓取实用程序-它非常简单：

#!/bin/sh

sed -e 's/<\/li>/<\/li>\n/g' "$1" |\
sed -n -e 's/.*<li>\(.*\)<\/li>/\1/p' |\
sed -e 's/<[\/b]*>//g' >out

这将提取所有（顶级）
li
元素的纯文本内容，并将每个元素打印在单独的行上，以生成所需的输出。
如果您不介意使用第三方工具，多平台web抓取实用程序，它非常简单：

#!/bin/sh

sed -e 's/<\/li>/<\/li>\n/g' "$1" |\
sed -n -e 's/.*<li>\(.*\)<\/li>/\1/p' |\
sed -e 's/<[\/b]*>//g' >out

这将提取所有（顶级）
li
元素的纯文本内容，并将每个元素打印在单独的行上，以生成所需的输出。
第一件事：一般来说，使用理解HTML的工具（参见我的另一个答案）而不是用于HTML解析的
awk
或
sed
——正如@chepner简洁地指出的那样：

不要用sed或awk解析HTML；sed用于基于行的编辑，awk用于基于字段的任务。两者都不适用于元素可能跨越多行的一般结构化文本

因此，下面的解决方案在有限的情况下有效，但不能很好地概括


@jaypal已经提供了一个特定于GNU的答案。

这里有一个应该与接受正则表达式作为输入记录分隔符（
RS
）的所有
awk
风格一起使用的（例如
gawk
，
mawk
和
nawk
）：

这两种解决方案都会从输出行中删除前导和尾随空格。
第一件事：一般来说，使用理解HTML的工具（参见我的另一个答案），而不是使用
awk
或
sed
进行HTML解析-正如@chepner简洁地说的那样：

不要用sed或awk解析HTML；sed用于基于行的编辑，awk用于基于字段的任务。两者都不适用于元素可能跨越多行的一般结构化文本

因此，下面的解决方案在有限的情况下有效，但不能很好地概括


@jaypal已经提供了一个特定于GNU的答案。

这里有一个应该与接受正则表达式作为输入记录分隔符（
RS
）的所有
awk
风格一起使用的（例如
gawk
，
mawk
和
nawk
）：

这两种解决方案都会从输出行中删除前导和尾随空格。
非常感谢您的帮助。但是，是否仍然可以使用awk和sed执行此操作，因为我对shell非常陌生script@user1574779你在用什么操作系统？很可能您的
awk
指向了
gawk
。我试图理解awk的功能。无论如何thanks@user1574779如果你是指LinuxMint，那么使用
awk
运行确切的命令。真的非常感谢你的帮助。但是有没有使用awk和sed这样做，因为我对shell非常陌生script@user1574779你在用什么操作系统？很可能您的
awk
指向了
gawk
。我试图理解awk的功能。无论如何thanks@user1574779如果您的意思是LinuxMint，那么使用
awk
运行确切的命令。不要使用
sed
或
awk
解析HTML
sed
用于基于行的编辑，而
awk
用于基于字段的任务。两者都不适用于元素可能跨越多行的一般结构化文本。请勿使用
sed
或
awk
解析HTML
sed
用于基于行的编辑，而
awk
用于基于字段的任务。两者都不适用于元素可能跨越多行的一般结构化文本。
xidel file.html -e '/li'

awk -v RS='</?li>\n*' '
 /^<b>/ { t=$0; gsub(/<\/?b>/, "", t); gsub(/^ +| +$/, "", t); print t}
' file

 sed -E 's/<\/?li>/\'$'\n''/g' file | 
  sed -En '/^<pg>/! { /[^ ]/ { s/<\/?b>//g; s/^ +| +$//gp; }; }'