regex - 如何使用 grep 将 HTML 特定标签之间的内容与属性匹配？

Question

如果我想匹配标签中包含的文本及其在 HTML 文件中的结束标签，我应该在命令grep中使用哪个正则表达式？<div class="Message"></div>

Answer 1

这是一种使用方法GNU grep：

grep -oP '(?<=<div class="Message"> ).*?(?= </div>)' file

如果您的标签跨越多行，请尝试：

< file tr -d '\n' | grep -oP '(?<=<div class="Message"> ).*?(?= </div>)'

Answer 2

您可以通过指定正则表达式来做到这一点：

grep -E "^<div class=\"Message\">.*</div>$" input_files

并不是说这只会打印在同一行上找到的附件。如果您的标签跨越多行，您可以尝试：

tr '\n' ' ' < input_file | grep -E "^<div class=\"Message\">.*</div>$"

Answer 3

你不能只用 grep 可靠地做到这一点。您需要使用 HTML 解析器解析 HTML。

如果 HTML 代码有如下内容怎么办：

<!--
<div class="Message">blah blah</div>
-->

你会在那个被注释掉的代码上得到一个错误的命中。以下是一些其他示例，其中仅正则表达式选项会使您失败。

考虑使用XML::GrepPerl 模块中的 xmlgrep，如下所述：使用 grep 提取 html 文件的标题