我正在尝试在 shell 脚本中解析网页的特定内容。
我需要标签grep内的内容<div>。
<div class="tracklistInfo">
<p class="artist">Diplo - Justin Bieber - Skrillex</p>
<p>Where Are U Now</p>
</div>
如果我使用grep -E -m 1 -o '<div class="tracklistInfo">'，简历只是<div class="tracklistInfo">
我如何访问艺术家(Diplo - Justin Bieber - Skrillex)以及如何访问标题(Where Are U Now)？
使用 xmllint：
a='<div class="tracklistInfo">
<p class="artist">Diplo - Justin Bieber - Skrillex</p>
<p>Where Are U Now</p>
</div>'
xmllint --html --xpath 'concat(//div[@class="tracklistInfo"]/p[1]/text(), "#", //div[@class="tracklistInfo"]/p[2]/text())' <<<"$a"
您获得：
Diplo - Justin Bieber - Skrillex#Where Are U Now
那可以很容易地分开。
不。使用 HTML 解析器。例如， BeautifulSoup for Python 很容易使用，并且可以很容易地做到这一点。
\n\n话虽这么说，请记住这grep适用于线路。该模式匹配每一行，而不是整个字符串。
你可以使用的是-A在比赛结束后打印出行：
grep -A2 -E -m 1 \'<div class="tracklistInfo">\'\n应该输出：
\n\n<div class="tracklistInfo">\n<p class="artist">Diplo - Justin Bieber - Skrillex</p>\n<p>Where Are U Now</p>\n然后，您可以通过管道将其传递到最后一行或倒数第二行tail：
$ grep -A2 -E -m 1 \'<div class="tracklistInfo">\' | tail -n1\n<p>Where Are U Now</p>\n\n$ grep -A2 -E -m 1 \'<div class="tracklistInfo">\' | tail -n2 | head -n1\n<p class="artist">Diplo - Justin Bieber - Skrillex</p>\n并剥离 HTMLsed：
$ grep -A2 -E -m 1 \'<div class="tracklistInfo">\' | tail -n1\nWhere Are U Now\n\n$ grep -A2 -E -m 1 \'<div class="tracklistInfo">\' | tail -n2 | head -n1 | sed \'s/<[^>]*>//g\'\nDiplo - Justin Bieber - Skrillex\n但如前所述，这是善变的，可能会损坏，而且不太漂亮。顺便说一句，这与 BeautifulSoup 相同：
\n\nhtml = \'\'\'<body>\n<p>Blah text</p>\n<div class="tracklistInfo">\n<p class="artist">Diplo - Justin Bieber - Skrillex</p>\n<p>Where Are U Now</p>\n</div>\n</body>\'\'\'\n\nfrom bs4 import BeautifulSoup\nsoup = BeautifulSoup(html, \'html.parser\')\n\nfor track in soup.find_all(class_=\'tracklistInfo\'):\n print(track.find_all(\'p\')[0].text)\n print(track.find_all(\'p\')[1].text)\n这也适用于多行tracklistInfo\xe2\x88\x92 将其添加到 shell 命令需要更多工作;-)
| 归档时间： |
|
| 查看次数： |
9556 次 |
| 最近记录： |