htmlタグ取り(sed)
htmlファイルからtxtファイルを生成する方法を試している。
Delete html tags using sed/grep/awk
https://unix.stackexchange.com/questions/359980/delete-html-tags-using-sed-grep-awk
rmtag.sed
rmtag.sed
sed -e 's/<[^>]*>//g' index.* > indexall.txt
上記でうまくいかなかったのは、２行にまたがるタグ。
うまく取れなかった。
こんな感じ。
intexall.txt
<section id="c188278" class="g-padding-top-5 g-padding-bottom-5
">
改行を取ってから処理すればうまくいくかも。
bashで変数内の改行コードを除去する
https://hacknote.jp/archives/12122/
シェルスクリプトでの改行文字の削除にハマる
https://hacolab.hatenablog.com/entry/2019/07/29/235312
rmreturn.tr
tr -d '\n' < infile > outfile
なんとかうまくいきそう。
bat.sh
#!/bin/sh
# https://unix.stackexchange.com/questions/359980/delete-html-tags-using-sed-grep-awk
# https://hacolab.hatenablog.com/entry/2019/07/29/235312
# https://qiita.com/kaizen_nagoya/items/ad4f75b391ff95e72634
_LISPDIRS=`find . -maxdepth 1 -mindepth 1 -type d`
for _DIRS in ${_LISPDIRS}; do
echo -e "\n-- ${_DIRS} --"
cd $_DIRS
tr -d '\n' < index.* >> /tmp/web/indexall.txt
cd ../
done
sed -e 's/<[^>]*>//g' /tmp/web/indexall.txt > index.txt
これではまだ駄目だった。
docker/bash
# ./bat.sh
-e
-- ./www.xxx.com --
./bat.sh: 11: ./bat.sh: cannot open index.*: No such file
# ls
index.html
bat.sh
#!/bin/sh
# https://unix.stackexchange.com/questions/359980/delete-html-tags-using-sed-grep-awk
# https://hacolab.hatenablog.com/entry/2019/07/29/235312
# https://qiita.com/kaizen_nagoya/items/ad4f75b391ff95e72634
_LISPDIRS=`find . -maxdepth 1 -mindepth 1 -type d`
for _DIRS in ${_LISPDIRS}; do
echo -e "\n-- ${_DIRS} --"
cd $_DIRS
if [-e index.* ] then
tr -d '\n' < index.html >> /tmp/web/indexall.txt
fi
cd ../
done
sed -e 's/<[^>]*>//g' /tmp/web/indexall.txt > index.txt
docker/bash
# ./bat.sh
./bat.sh: 13: ./bat.sh: Syntax error: "fi" unexpected (expecting "then")
Author And Source
この問題について(htmlタグ取り(sed)), 我々は、より多くの情報をここで見つけました https://qiita.com/kaizen_nagoya/items/4aeda1479a7e0ed2cd8c著者帰属：元の著者の情報は、元のURLに含まれています。著作権は原作者に属する。
Content is automatically searched and collected through network algorithms . If there is a violation . Please contact us . We will adjust (correct author information ,or delete content ) as soon as possible .