bash - SED 删除除链接外的所有 HTML 标签

Question

我想删除所有 html 标签但留下
EG <a href="http://www.domain.com/">Link Title</a>

到目前为止，这对我有用，只是它删除了该</a>部分。

sed -e 's/<[^">]*>//g'

我想知道是否有更好的方法来做到这一点。

Answer 1

基本上，您所写的内容会删除<Stuff>其中Stuff没有任何双引号的任何块。例如，如果有一个完全有效的 html 位，例如：

<a href='http://www.domain.com/'>Link Title</a>

甚至是一些奇怪的 html，例如：

<a href=http://www.domain.com/>Link Title</a>

它对你不起作用。

正则表达式被认为是处理 HTML 的一种非常糟糕的方式，除非您确切知道可以处理的所有变体范围。

所以先读读这个观点。

我可以提出类似的建议：

sed -e 's/<[^a>/!][^ >][^>]*>//g;s/<\/[^a>][^>]*>//g'