sed从html文件中删除标签

Question

我需要使用sed命令使用bash脚本从html中删除所有html" target="_blank">标签。我尝试了这个

sed -r 's/[\<][\/]?[a-zA-Z0-9\=\"\-\#\.\& ]+[\/]?[\>]//g' $1

和这

sed -r 's/[\<][\/]?[.]*[\/]?[\\]?[\>]//g' $1

但我仍然想念什么，有什么建议吗？

Answer 1

您可以使用许多HTML到文本转换器之一，可以使用Perl
regex，<.+?>或者必须sed使用<[^>]*>

sed -e 's/<[^>]*>//g' file.html

如果没有错误的余地，请改用HTML解析器。例如，当元素分布在两行上时

<div
>Lorem ipsum</div>

此正则表达式将不起作用。

这正则表达式由三个部分组成<，[^>]*，>

• 寻找开放 <

• 后面跟着零个或多个字符*（不是结尾）>
[...]是字符类，当它开始^查找
  不在 类中的字符时
  
  

• 最后寻找关闭 >

更简单的正则表达式<.*>将不起作用，因为它会搜索可能的最长匹配项，即>输入行中的最后一个结束符。例如，当输入行中有多个标签时

<name>Olaf</name> answers questions.

将导致

回答问题。

代替

奥拉夫回答问题。

另请参阅与Star和Plus重复，特别是当心贪婪！接下来，进行详细说明。