使用 bash 脚本从 HTML 文件中的给定字符串后提取特定字符串

Question

我有一个 HTML 文件momcpy.html，我想从中提取给定字符串后的特定字符串。文件内容如下：

<tr><br>
<th height="12" bgcolor="#808080"><label for="<br>
 LSCRM:Abhijeet<br>
 <br>
 MCRM:Bhargav<br>
 <br>
 TLGAPI:GAURAVAURAV<br>
 <br>
 MOM:MANIKA"></td><br>

这存在于其中一行 HTML 中。

我想提取Manika并存储在一个变量中。所以基本上我想提取MOM:之后出现的任何字符串，它可能是动态的。

我试过了：

file='/home/websphe/tomcat/webapps/MOM/web/momcpy.html'
  y=$( awk '$1=="MOM:"{print $2}' $file)
 echo "$y"

但这没有用。

Answer 1

我不能理智地劝这样做，因为解析HTML与正则表达式是不可能有好下场的，但你也许能够得到字符串MANIKA用

sed -nr '/MOM:/ s/.*MOM:([^"]+).*/\1/p' file

无论如何，它可以在您的样本上正常工作...

笔记

• -n 在我们要求之前不要打印任何东西
• -r 使用ERE
• /string/ 找到行 string
• s/old/new/替换old为new
• .* 任意数量的任意字符
• ([^"]+) 保存一些不是的字符 "
• \1 对已保存字符的反向引用
• p 只打印我们改变的行

Answer 2

grep -Po 'MOM:\K[^"]+' file.html

警告：这不是一个非常健壮的解决方案；并且您的 HTML 无效