Regex 使用sed或awk基于列值从html文件中提取特定行

我有一个html文件，其中一个表有许多行。TR标记可能在另一行中有其相应的/TR。例如.html文件有以下内容

<TABLE BORDER=1><TR><TH>col1</TH><TH>col2</TH><TH>col3</TH><TH>col4</TH></TR><TR><TD>aaa</TD><TD>bbb</TD><TD>ccc</TD><TD>ddd</TD></TR><TR><TD>eee</TD><TD>fff</TD><TD>ccc</TD><TD>mmm</TD></TR><TR><TD>jjj</TD><TD>kkk</TD><TD>lll</TD><TD>ssss</TD></TR>.........</TABLE>

col1col2col3col4aaabbbccccddedeefffcccmmjjkkkllssss。。。。。。。。。

现在，我需要根据在tr和/tr之间找到的td值，将tr和/tr标记（包括）之间的内容提取到另一个html文件中

例如，从a.html文件中，我需要创建b.html，它只包含第三列值为“ccc”的行，前提是a.html保持不变

<TR><TD>aaa</TD><TD>bbb</TD><TD>ccc</TD><TD>ddd</TD></TR><TR><TD>eee</TD><TD>fff</TD><TD>ccc</TD><TD>mmm</TD></TR>

aaabbbccdddeeffcccmmm

我是新手，对sed和awk只有一点了解。

---

有谁能帮我完成这项工作，或者建议一种更好的方法，以便轻松完成这项工作。

使用Python和BeautifulSoup，以一种更结构化、更健壮的方式完成这项工作：-sed和awk都不能解析HTML，您也可以使用能够解析HTML的方法

这里有一个工作程序（熊猫在里面使用了BeautifulSoup，它帮助我满足了你不需要“for”循环的愿望）：

---

使用Python和BeautifulSoup以一种更加结构化和健壮的方式来实现这一点：-sed和awk实际上都不能解析HTML，您也可以使用一些可以解析HTML的东西

这里有一个工作程序（熊猫在里面使用了BeautifulSoup，它帮助我满足了你不需要“for”循环的愿望）：

---

使用合适的解析器。例如，一个围绕Perl的包装器，它又是围绕以下内容的包装器：

---

使用合适的解析器。例如，一个围绕Perl的包装器，它又是围绕以下内容的包装器：

---

首先，我在每一行后面添加了新行

os.system（“sed's//&\\\\\n/g'/tmp/file\u full.html>/tmp/file\u formatted.html”）

然后执行下面一行我们得到结果。这一行检查列值是否为“ccc”，如果是，则将其写入一个单独的文件中

os.system('sed -n "/<TD>ccc<\/TD>/p" /tmp/file_formated.html > /tmp/file_ccc.html')

os.system（'sed-n”/ccc/p”/tmp/file\u formatted.html>/tmp/file\u ccc.html'））

首先，我在每个

os.system（“sed's//&\\\\\n/g'/tmp/file\u full.html>/tmp/file\u formatted.html”）

然后执行下面一行我们得到结果。这一行检查列值是否为“ccc”，如果是，则将其写入一个单独的文件中

os.system('sed -n "/<TD>ccc<\/TD>/p" /tmp/file_formated.html > /tmp/file_ccc.html')

os.system（'sed-n”/ccc/p”/tmp/file\u formatted.html>/tmp/file\u ccc.html'））

：出于性能原因，我试图避免在python脚本中使用for循环，而且我需要使用另一个php脚本在bowser中显示此输出文件。那么，通过sed或awk命令使用模式匹配，这是不可能的吗？性能原因？你一定是在开玩笑吧？你的输入有多大？这个html文件将从一个包含数千条记录的mysql表生成。所以我不想使用for循环。可能还有其他选择吗？它甚至意味着什么“我不想使用for循环”。你手边有量子计算机吗？@JohnZwinck我认为导入是非法的！！：出于性能原因，我试图避免在python脚本中使用for循环，而且我需要使用另一个php脚本在bowser中显示此输出文件。那么，通过sed或awk命令使用模式匹配，这是不可能的吗？性能原因？你一定是在开玩笑吧？你的输入有多大？这个html文件将从一个包含数千条记录的mysql表生成。所以我不想使用for循环。可能还有其他选择吗？它甚至意味着什么“我不想使用for循环”。你手边有量子计算机吗？@JohnZwinck我认为导入是非法的！！使用正则表达式无法做到这一点，想象下一个：

读取。使用regex无法可靠地执行此操作，想象下一个：
读。昨天：）@TomFenech：我的错。谢谢。昨天：）@TomFenech：我的错。谢谢
 os.system("sed 's/<\/TR>/&\\\n/g' /tmp/file_full.html > /tmp/file_formated.html")

os.system('sed -n "/<TD>ccc<\/TD>/p" /tmp/file_formated.html > /tmp/file_ccc.html')