Perl 在命令行上解析HTML；如何在<；中捕获文本；strong></强>；？

我试图从HTML输出中获取如下数据：

<strong>Target1NoSpaces</strong><span class="creator"> ....
<strong>Target2 With Spaces</strong><span class="creator"> ....

Grep on“/strong”以获取与目标的连线；那很好

管道到'awk'{print$1}'。当目标没有空格时，在第#1种情况下有效，但当目标有空格时，在第#2种情况下无效。仅保留第一个单词，如下所示：

<strong>Target1NoSpaces</strong><span
<strong>Target2

---

Target1NoSpaces在grep中使用Perl regex的向后看和向前看功能。它应该比使用awk更简单

grep -oP "(?<=<strong>).*?(?=</strong>)" file

加：

在Ruby中实现Perl的正则表达式的多重匹配可以在多行中匹配值：

ruby -e 'File.read(ARGV.shift).scan(/(?<=<strong>).*?(?=<\/strong>)/m).each{|e| puts "----------"; puts e;}' file

话虽如此，对于您提供的具体示例，这里有一个非常快速而肮脏的解决方案。当一行上有多个
标记时，当标记运行在多行上时，此功能将不起作用

awk -F '<strong>|</strong>' '/<strong>/ {print $2}' filename

awk-F'|'//{print$2}文件名
您永远不需要
grep
和
awk
一起使用，并且字段分隔符不必是空白：

$ awk -F'<|>'  '/strong/{print $3}' file
Target1NoSpaces
Target2 With Spaces

$awk-F''/strong/{print$3}文件
Target1NoSpaces
带空格的Target2

但是，您确实应该为此使用适当的解析器
 单向使用
mojolicious
及其
DOM
解析器：

perl -Mojo -E '
    g("http://your.web")
    ->dom
    ->find("strong")
    ->each( sub { if ( $t = shift->text ) { say $t } } )'

因为您标记了perl

perl -ne 'if(/(?:<strong>)(.*)(?:<\/strong>)/){print $1."\n";}' input.html

perl-ne'if（/（？：）（.*）（？：）/{print$1.\n”；}input.html
下面是一个使用

Try，一个用于处理HTML的命令行工具。例如：

$ pup 'strong text{}' < file.html 
Target1NoSpaces
Target2 With Spaces

$pup'强文本{}


要通过XPath进行搜索，请尝试

或者，对于格式良好的HTML/XML文档，请尝试。
您尝试的是“屏幕抓取”。我想你迟早会需要比“文本之间的‘强’”更一般的东西。既然您在标记中添加了“Perl”，我鼓励您查看。否则，请查看此处：。它可以匹配其中包含
strong
的任何文本。或者，如果没有找到字段，只需要换行。@konsolebox如果我们进入用
awk
解析html的陷阱，我们可能会在这里呆一会儿。我只是想在我的观点中演示它的用法，OP可以根据需要过滤/使其更健壮，或者采纳我的建议并使用适当的html解析器。+1如果标记没有拆分为多行，那么这是一个很好的方法。这非常有效。标签位于单行上，是单词或两个/三个单词的集合。输出是规则的，并且总是相同的，所以做更多事情的方法是多余的。我喜欢awk和perl实现，并将把它们收起来供将来使用。谢谢，所有这些都提升了我的知识@sudo_O Perl regex的多行特性实际上可以用于此目的。我在Ruby中添加了它的概念实现。迈克尔J：欢迎：）谢谢你的提示！我仍然遵循这一思路，以便在简单CLI解析方面保持最新。感谢您的回答，直到关于
pup
！：D
$ awk -F'<|>'  '/strong/{print $3}' file
Target1NoSpaces
Target2 With Spaces

perl -Mojo -E '
    g("http://your.web")
    ->dom
    ->find("strong")
    ->each( sub { if ( $t = shift->text ) { say $t } } )'

perl -ne 'if(/(?:<strong>)(.*)(?:<\/strong>)/){print $1."\n";}' input.html

xml sel -t -v //strong input.html

$ pup 'strong text{}' < file.html 
Target1NoSpaces
Target2 With Spaces