如何使用 bash 和 sed 解析 html 标签属性

Question

我有几个包含具有唯一子字符串的行的文件NAME-：

      <input type="hidden" name="NAME-00B5JZ" value="350.378,00">
       <input type="hidden" name="NAME-0599" value="0,00">
       <input type="hidden" name="NAME-7012" value="0,00">
       <input type="hidden" name="NAME-0096" value="0,00">
       <input type="hidden" name="NAME-0433" value="0,00">
       <input type="hidden" name="NAME-1100" value="0,00">

name和valuehtml 标签属性总是不同的。

我需要将制表符分隔的值放入单独的文件中，其名称与原始文件相对应。

00B5JZ 350378,00
0599 0,00
0096 0,00
0433 0,00
1100 0,00

应从value的值中删除点

编辑：我决定编辑这篇文章，并为阅读本文的人提供另一种方法：

假设文件是file1.txt​​ , file2.txt,file3.txt当前目录中没有其他内容：

for f in file*txt; do cat ${f} | sed 's/^[[:space:]]*//;s/<input.*name="NAME-//;s/" value="/\t/;s/">//;s/\.//g' > ${f//\.txt/_out\.txt}; done

1. 首先我们得到所有文件名
2. cat将它们一一传递给sed
3. 删除行开头的所有空格
4. name删除的值以内的所有内容
5. 用制表符替换name's 值和's 值之间的所有内容value
6. 删除value's 值之后的所有内容
7. 将结果保存到新文件，在文件扩展名_out之前添加后缀到原始文件名txt

Answer 1

使用sed：

sed -e 's/.*NAME-\([^"]*\)" value="\([^"]*\)".*/\1\t\2/' -e 's/\.//g' INPUT.HTML

• .*任何字符零次或多次
• [^"]*任意字符但"重复 0 次或多次
• \(...\)捕获封闭的部分，这里上面的子字符串直到双引号被记住\1，并且值被记住\2
• s/PATTERN/REPLACEMENT/用替换项替换该模式；在这里，它提取 NAME- 和值之后的部分，并用制表符 ( \t)分隔的两个捕获的部分替换整行
• s/\.//g删除所有点（/g意思是“全局”，即所有点）