使用 sed 清空 HTML 标签

Question

我想清空每个 HTML 标签的内容，但“保留结构”。

从：

<h5>Holdrs <div class="tooltip" data-tooltip="Accounts with ..."></div></h5>
<div class="value">
  <span class="amount">25,241</span><a class="smallnav" href="/c/token/0xB31f66AA3C1e785363F0875A1B7"><svg class="icon-s icon">

我想得到：

<>Holdrs <><><>
<>
  <>25,241<><><>

根据我对 sed 的理解，这应该是：

sed 's/<.*>/<>/'

但它只返回：

sed 's/<.*>/<>/'

（在这里测试：https://sed.js.org/? gist=7af9c1c1762a6a93d582502b3d4fe22f）。

我做错了什么？正确的模式是什么？

Answer 1

*是贪婪的，所以匹配行中<.*>从第一个<到最后一个的所有内容。>有些工具理解*?为 的非贪婪类似物*，但不是sed。

在你的情况下，人们仍然可以选择sed. 将.（任何字符）替换为[^>]（除 之外的任何字符>）。您还应该添加g标志，因为您想要替换行中的所有匹配项，而不仅仅是第一个。

这应该有效：

sed 's/<[^>]*>/<>/g'

Answer 2

只需将所有节点重命名为空字符串并使用以下命令删除所有属性xmlstarlet：

xml ed -r '//*' '' -d '//@*'

这将添加一个 XML 标头 ( <?xml version="1.0"?>) 并在结束标记 ( ) 中留下斜线</>，这可能是可以接受的，或者您可以通过附加tail/sed传递将其删除。

正如其他人已经说过的那样，sed仅凭一己之力永远无法正确处理所有情况。