Dav*_*vis 20 html web grep command-line css
什么工具（最好用于 Linux）可以根据其 CSS 路径选择 HTML 元素的内容？
例如，考虑以下 HTML 文档：
<html>
<body>
<div class="header">
<h1>Header</h1>
</div>
<div class="content">
<table>
<tbody>
<tr><td class="data">Tabular Content 1</td></tr>
<tr><td class="data">Tabular Content 2</td></tr>
</tbody>
</table>
</div>
<div class="footer">
<p>Footer</p>
</div>
</body>
</html>
什么命令行程序（例如，一种“cssgrep”）可以使用 CSS 选择器提取值？那是：
cssgrep page.html "body > div.content > table > tbody > tr > td.data"
该程序会将以下内容写入标准输出：
Tabular Content 1
Tabular Content 2
谢谢！
Dav*_*vis 17
使用W3C 工具进行 HTML/XML 解析和使用 CSS 选择器提取内容。例如：
hxnormalize -l 240 -x filename.html | hxselect -s '\n' -c "td.data"
将产生所需的输出：
Tabular Content 1
Tabular Content 2
使用 240 个字符的行长度可确保内容较长的元素不会被拆分为多行。该hxnormalize -x命令创建一个格式良好的 XML 文档，可供hxselect.
小智 7
Element Finder 命令将部分完成此任务：
例如：
elfinder -j -s td.data -x "html"
这会将结果呈现为可以提取的 JSON 格式。
该XML ::特威格模块（” sudo apt-get install xml-twig-tools“），带有一个名为工具xml_grep，它能够仅仅做到这一点，前提是你的HTML是良好的，当然。
很抱歉，我目前无法对此进行测试，但是这样的事情应该可行：
xml_grep -t '*/div[@class="content"]/table/tbody/tr/td[@class="data"]' file.html
https://github.com/ericchiang/pup有一种基于 CSS 的查询语言，与您的示例非常一致。事实上，根据您的输入，以下命令：
pup "body > div.content > table > tbody > tr > td.data text{}"
产生：
Tabular Content 1
Tabular Content 2
尾随text{}删除 HTML 标签。
一个不错的功能是不需要提供完整路径，因此再次使用您的示例：
$ pup 'td.data text{}' < input.html
Tabular Content 1
Tabular Content 2
的一个优点pup是它使用 golang.org/x/net/html 包来解析 HTML5。
| 归档时间： |
|
| 查看次数： |
9167 次 |
| 最近记录： |