regex - 删除/替换 bash 中的 html 标签

Question

我有一个包含以下行的文件：

<li><b> Some Text:</b> More Text </li>

我想删除 html 标签并用</b>破折号替换标签，所以它变成这样：

Some Text:- More Text

我正在尝试使用 sed 但是我找不到正确的正则表达式组合。

Answer 1

如果您严格想要去除所有 HTML 标签，但同时只用 a替换</b>标签-，您可以用管道链接两个简单sed的命令：

cat your_file | sed 's|</b>|-|g' | sed 's|<[^>]*>||g' > stripped_file

这会将所有文件的内容传递给sed将处理替换</b>为-. 然后，它的输出将通过管道传送到sed将所有 HTML 标记替换为空字符串的 a。最终输出将保存到新文件stripped_file中。

使用与@Steve 的另一个答案类似的方法，您还可以使用sed'-e选项将表达式链接到单个（非管道命令）；通过添加-i，您还可以在不需要cat或新文件的情况下读取并替换原始文件的内容：

sed -i -e 's|</b>|-|g' -e 's|<[^>]*>||g' your_file

这将像上面的链式命令一样进行替换，但是这次它将直接替换输入文件中的内容。要保存到新文件，请删除-i并添加> stripped_file到末尾（或您选择的任何文件名）。

Answer 2

一种使用方式GNU sed：

sed -e 's/<\/b>/-/g' -e 's/<[^>]*>//g' file.txt

例子：

echo "<li><b> Some Text:</b> More Text </li>" | sed -e 's/<\/b>/-/g' -e 's/<[^>]*>//g'

结果：

 Some Text:- More Text