Bash 在shell脚本中的标记之间提取数据并存储在数组中？

我使用

bash

脚本从URL获取一个值，它以html标签的形式返回一个值。输入：

<tr><td title='The name of the health check service.'>hc.name</td><td data-type='java.lang.String'>Replication Queue</td></tr>
<tr><td title='The persistence identifier of the service.'>service.pid</td><td data-type='java.lang.String'>com.adobe.granite.replication.hc.impl.ReplicationQueueHealthCheck</td></tr>
<tr><td title='The health check result'>ok</td><td data-type='java.lang.Boolean'>true</td></tr>
<tr><td title='The health check status'>status</td><td data-type='java.lang.String'>OK</td></tr>
<tr><td title='The elapsed time in miliseconds'>elapsedTime</td><td data-type='java.lang.Long'>18</td></tr>
<tr><td title='The date when the execution finished'>finishedAt</td><td data-type='java.util.Date'>2017-03-24T00:23:36+0530</td></tr>
<tr><td title='Indicates of the execution timed out'>timedOut</td><td data-type='java.lang.Boolean'>false</td></tr>

我尝试使用这个

sed

代码，但它只在多个

标记位于不同的行时才起作用。在这种情况下，多个

在同一行上

sed -n 's:.*<td>(.*)</td>.*:\1:p' sample.txt 

sed-n的：.*（.*）：\1:p'sample.txt

该命令仅使用以下输入显示结果：

<tr>
<td>ok</td>
<td>status</td>
</tr>

好啊
地位

我认为使用Perl正则表达式会更幸运，因为它们支持非贪婪匹配。下面是一个Perl one liner，用于打印文件中的信息：

perl -ne 'm:.*?<td [^>]*>(.*?)</td>.*?<td [^>]*>(.*?)</td>:; print "[\"$1\"] = \"$2\"\n";' sample.txt

---

这里有一个sed调用也可以使用，但它不太精确，因为它匹配所有字符，除了

和

sgrep
和
sed
方法（比纯
sed
更可靠）：

问题是什么？我不熟悉Shell脚本，我尝试了一些使用sed/awk的命令，但它不起作用，我也不知道如何将其填充为上面提到的数组结构。您使用过任何Shell脚本/命令吗？请描述这个问题，并告诉我们到目前为止已经做了什么来解决它。sed-n的：.*（.*）：\1:p'sample.txt我尝试使用这个命令，但当多个标记在单独的行中时，它可以工作。但是，在我的例子中，多个在同一行中。这里通常的答案是“不要使用正则表达式来解析HTML”。最佳实践方法更像是使用
xmltidy
将HTML转换为XML，然后使用XMLStarlet将XML解析为文本。
perl -ne 'm:.*?<td [^>]*>(.*?)</td>.*?<td [^>]*>(.*?)</td>:; print "[\"$1\"] = \"$2\"\n";' sample.txt

["hc.name"] = "Replication Queue"
["service.pid"] = "com.adobe.granite.replication.hc.impl.ReplicationQueueHealthCheck"
["ok"] = "true"
["status"] = "OK"
["elapsedTime"] = "18"
["finishedAt"] = "2017-03-24T00:23:36+0530"
["timedOut"] = "false"

sed -n 's:.*<td [^>]*>\([^<]*\)</td><td [^>]*>\([^<]*\)</td>.*:[\"\1\"] = \"\2\":p' sample.txt

["hc.name"] = "Replication Queue"
["service.pid"] = "com.adobe.granite.replication.hc.impl.ReplicationQueueHealthCheck"
["ok"] = "true"
["status"] = "OK"
["elapsedTime"] = "18"
["finishedAt"] = "2017-03-24T00:23:36+0530"
["timedOut"] = "false"

sgrep -o'%r"' '">" __ "<"' sample.txt | sed 's/^/["/;s/""/"/;s/"/"]="/2'

["hc.name"]="Replication Queue"
["service.pid"]="com.adobe.granite.replication.hc.impl.ReplicationQueueHealthCheck"
["ok"]="true"
["status"]="OK"
["elapsedTime"]="18"
["finishedAt"]="2017-03-24T00:23:36+0530"
["timedOut"]="false"