Jeg rense HTML med sed. Med regexp

<a name\u003d"[A-Za-z0-9 ?_.]+"> </ a> <h[123]> [] * <span class\u003d"mw-headline"> [A-Za-z0 - 9 ?_.]+</ span> </ h [123]>

Jeg kan finde de tags jeg har brug for. Men når jeg placere dem i en sed kommando, sed mislykkes. Så jeg begyndte at bygge op fra en mindre kommando. Dette er hvor jeg er nu:

sed -r-es / "<a name \u003d \" / udskiftning / <in> ud

Dette virker. Men når jeg så skrive:

sed -r-es / "<a name \u003d \" [A-Za-z0-9 ?_.]+"/ udskiftning / <in> ud

det ikke med:

sed: Ikke kan læse <i: Invalid argument
sed: Ikke kan læse> ud: Invalid argument

Men i filen virkelig er der. Hvordan kan jeg få regexp i sed kommando? Jeg har forsøgt at undslippe / ikke undslippe tegn, men sed synes ikke at acceptere det.

Kan du give ouput du ønsker?

Hilsen

Fra et tag som denne:

<a name\u003d"Introduction"> </ a> <h1> <span class\u003d"mw-headline"> Introduktion </ span> </ h1>

Jeg vil gerne:

<a name\u003d"Introduction"> </ a> <h1> <span class \u003d "mw-overskrift" id \u003d "Introduction" > Introduktion </ span> </ h1>

Derfor vil jeg gøre følgende erstatning:

Match:
<a name\u003d"([A-Za-z0-9 ?_.]+)"> </ a> <h([123])> [^ mw] * mw-overskrift "> ([A-Za - z0-9 ?_.]+)</ span> </ h [123]>

Og erstatte det med:

<a name\u003d"\1"> </ a> <h\2> <span class\u003d"mw-headline" id\u003d"\1"> \ 3 </ span> </ h \ 2>

Det fungerer, når du bruger en søg og erstat-editor, der accepterer regex. Men jeg kan ikke ud til at passe ind i en af sed kommando.

Noget lignende:

Hilsen