shell html标记删除重复项

我需要清除HTML中不必要的斜体标记，无论如何：）

这是我的代码：

text <i>text</i> <i>text text</i> text
text <i>text</i><i> text text</i> text
text<i>text </i>text text<i>text text</i> text
text <i>text</i><i></i> text text<i>text text</i> text

文本
文本文本文本文本文本
文本文本文本文本文本文本文本
文本文本文本文本文本文本文本

以下是我预期的结果：

text <i>text text text</i> text
text <i>text text text</i> text
text<i>text </i>text text<i>text text</i> text
text <i>text</i> text text<i>text text</i> text

文本
文本文本文本文本文本
文本文本文本文本文本文本文本
文本文本文本文本文本文本文本

空格和正斜杠字符用反斜杠转义，每次替换结束时的g允许它在每行上多次匹配

（3） 标记内的空白应与捕获制表符和空格的

\s

匹配。奇怪的是，在最后一个

之前允许有足够多的空格，但在标记的其他地方不允许。但是，如果一个标记跨越多行，则会导致错误。在sed中匹配多行是可能的，但会将其变成一个脚本，该脚本对于一行来说太长

修改所有三种情况后，脚本行变为：

sed -i 's:</[Ii]\s*>\(\ \)\?\s*<[Ii]\s*>:\1:g' yourfile.html

---

有关这方面的更多信息，请参见SO问题。

到目前为止，您尝试了什么？请尽快阅读该页面，并访问描述和的链接。对不起，我试图涵盖所有可能的情况。您的解决方案并不像要求的那样不区分大小写（/I），我认为只需一个替换即可：

sed-r的：（）？[]*：\1:gI'

此外，op没有提到这一点，但HTML标记可以包含空格（甚至换行符）而且仍然有效，如果这是一个要求，这会使事情变得更复杂。@ErikLievaart感谢你的洞察力；使用可选组巧妙地解决了问题。太棒了！！，非常感谢您的帮助，对我来说非常有用：）

's:</i>\(\ \)\?\s*<i>:\1:g'

sed -i 's:</[Ii]\s*>\(\ \)\?\s*<[Ii]\s*>:\1:g' yourfile.html

sed 'the same command' > newfile.html
mv newfile.html yourfile.html