用于迭代html文件并创建csv文件的脚本

我有一个html文件，其中包含我正在处理的项目的依赖项列表。其格式如下：

--一些html

  <p><strong>Module Name:</strong> spring-web</p>
   <p><strong>Module Group:</strong> org.springframework</p>
   <p><strong>Module Version:</strong> 4.2.1.RELEASE</p>

模块名称：SpringWeb

模块组：org.springframework

模块版本：4.2.1.0版本

--更多html

 <p><strong>Module Name:</strong> google-http-client</p>
    <p><strong>Module Group:</strong> com.google.http-client</p>
    <p><strong>Module Version:</strong> 1.19.0</p>

模块名称：谷歌http客户端

模块组：com.google.http-client

模块版本：1.19.0

等

我想从这个html文件创建一个csv文件 csv文件的格式为每条记录：

模块名称、模块组、模块版本

e、 g。 谷歌http客户端，com.google.http客户端，1.19.0

你知道如何用脚本实现这一点吗？

试试看

#!/bin/bash
inFile=$1
outFile=$2

join () {
 local del=$1
 shift
 IFS="$del"
 source <(
        cat <<SOURCE
 echo "\${$1[*]}"
SOURCE
 ) 
 unset IFS
}

declare -a CSV=('"Module Name","Module Group","Module Version"')
declare -a keysAccepted=('Name' 'Group' 'Version')

declare -i nMandatoryKeys=${#keysAccepted[@]}
declare -A KeyFilled
rxKeysAccepted='('$(join '|' keysAccepted)')'
while read line; do
        [[ $line =~ \<strong\>Module\ $rxKeysAccepted:\</strong\>[[:space:]]*([^<]+)\</p\> ]] || continue
        key=${BASH_REMATCH[1]}
        val=${BASH_REMATCH[2]}
        KeyFilled[$key]=$val
        if (( ${#KeyFilled[@]} == nMandatoryKeys )); then
                unset csvLine
                for k in ${keysAccepted[@]}; do
                        csvLine+=${csvLine:+,}${KeyFilled[$k]}
                done
                KeyFilled=()
                CSV+=($csvLine)
        fi
done <"$inFile"

(( ${#CSV[@]} > 1 )) || exit 1

join $'\x0a' CSV >"$outFile"

#/bin/bash
填充=1美元
输出文件=2美元
加入（）{
本地del=$1
转移
IFS=“$del”
source如果您的源文件是一致的（所有三个字段以相同的顺序存在），您可以尝试以下操作

$ sed -nr 's_\s*<p><strong>Module (Name|Group|Version):</strong> (.*)</p>_\2_p' file\
  | awk 'ORS=NR%3?",":RS'
spring-web,org.springframework,4.2.1.RELEASE
google-http-client,com.google.http-client,1.19.0

$sed-nr的\uS*模块（名称|组|版本）：（*）
\2\u p'文件\
|awk'ORS=NR%3？，“：RS”
SpringWeb，org.springframework，4.2.1.RELEASE
谷歌http客户端，com.google.http客户端，1.19.0
使用XML解析器（xmlstarlet，xmllint，…）。第2行：declare:-A：无效选项declare:用法：declare[-afFirtx][p][name[=value]…]此代码将在BASH 4上运行（4是主要版本号），但这个版本的BASH是我所知道的所有现代*nix的默认版本…谢谢，我如何将文件作为参数传递，而不必在“EOHTML”之后复制它。如果我想在每行中添加另一列，例如license.license:Apache。我应该在哪里添加此模式匹配？修改：“declare-a CSV”（添加新列的标题），“declare-a keysAccepted”-添加新列名，[[$line=~…”-替换正则表达式：\Module\$rxKeysAccepted:\（[[:space:]*([^