1

我一直在寻找这个问题的解决方案很长一段时间，但我自己无法弄清楚。

所以我有一堆 HTML 代码块，我想搜索包含在一个内部标签中的特定字符串，如果有匹配项，我想返回它的父标签值。这里是例子”

<li rel="Returns this value">
    <some other tags and elements here />
    <a class="link"><span>This match</span></a>
</li>

我们搜索字符串This match，它会返回Returns this value。这在awk中可能吗？如果没有，最简单的方法是什么？我不介意任何解决方案，但是最好使用 awk 或类似的命令行工具。我在 Ubuntu 服务器上运行，我有 root 访问权限，所以如果需要，我可以依赖其他语言，例如 Ruby、Python、Perl、PHP 等。

到目前为止，我已经能够在 span 标签之间搜索字符串，并返回其内容。但是，使用简单的 sed 命令可以更轻松地完成它，因此它还没有太多用处。但是，它可能仍然有用并且可能会被改进以完成我需要它做的事情，所以这里是：

awk 'BEGIN{RS="";FS="</span>"}
/li/{
 for(i=1;i<=NF;i++){
    if($i ~ /span/){
        gsub(/.*span>/,"",$i)
        print $i
    }    
 } 
}'

在上面的示例中使用时，它将返回This match. 非常感谢您的建议。

4

1 回答 1

2

通常，您无法使用正则表达式解析 html。

这并不意味着您不能在 awk 中解析 html，尽管这将是一项艰巨的工作，而且我从未听说有人这样做。

如果您的目标定义明确并且输入非常统一，并且您可以保证输入中标签嵌套的某些事情，您可能能够管理它。

然而，在大多数情况下，awk 是不适合这项工作的工具。最好选择一种具有可用 HTML 解析引擎的语言并使用它。Perl、python、php、ruby……有很多选择。

于 2010-09-24T02:39:10.847 回答