hej

Jeg har brug for at bruge UNIX at udtrække data fra flere rækker i en tabel kodet i html. Jeg ved, at rækker i en tabel har tags <tr> </ tr> og så tænkte jeg, at min første skridt bør være at slette alle de andre html-kode, som ikke er indeholdt i disse tags. Jeg kunne så bruge denne metode igen, men fjerne alt ikke i <td> </ td> tags. men det store spørgsmål er, hvordan kan jeg gøre dette? Jeg tror, jeg har brug for sed men for øjeblikket er det bare forvirrende mig for meget nogen hjælp?

I princippet har De ret. Følgende script vil ekstrakt alt mellem en "<tr>" og "</ tr>" tag. Det vil gå ud fra, at der ikke er flere "<tr> - </ tr>"-par på en enkelt linje og tags selv er alle med små bogstaver (ingen "<TR>").

Resultatet er måske ikke, hvad du har brug for, selv om, så kan du overveje at give os en prøve på, hvad du har, og hvad vil du få brug for at komme fra den. Dette vil hjælpe os med at hjælpe dig bedre.

sed 's/.*<tr>//;s/<\/tr>.*//' /path/to/your/file

Hej.

Se HTML-tabel til CSV for en anden metode, hvor der lynx-dump.

I almindelighed, links til tråde ligner dine er indsendt i bunden af tråd ... cheers, DRL

takket bakunin, at der virkelig er nyttige. I cant efter en prøve af HTML-side af forskellige årsager. det eneste problem med din løsning er, at de fleste af de <tr> tags er på tværs af flere linjer i min HTML-side. dvs. tag kan åbnes på linje 7 og derefter lukket på linje 20. dermed er det muligt med sed at slette alt på en linje (herunder linjen), MEN stoppe, når det bliver til en <tr> tag og starte forfra, når det bliver til en </ tr>? Alternativt er der en måde at gøre sed mener, at hele HTML-side er på en enkelt linje?

Da jeg ikke bekendt med de kapaciteter sedDet gør det svært for mig at vide, hvad den bedste måde til at fuldføre denne opgave er.

Er der ingen grund til du ikke kan mock up en HTML-side, der ligner den, du arbejder med, men som ikke indeholder følsomme oplysninger. Ingen er interesseret i at kaste pile ind i et mørkt rum.

Hvis du efter noget, man vil postnummer. Ellers er du nødt til at gøre det selv. Prøv noget i retning af at erstatte alle newlines i filen med mellemrum, at en opsplitning af filen før hver <eller efter hver>, og gå derfra. Hvis du kan have en <eller> inden for data, så du vil gøre lidt ekstra arbejde. Det er det bedste jeg kan gøre for dig i øjeblikket.

ShawnMilo

forsøger at besvare mit spørgsmål her, men im stadig kæmper hvis dette gør ikke arbejde så vil jeg mock up et eksempel, jeg troede, at min beskrivelse kan have været gode nok withough behøver at spilde tid på at gøre et eksempel bordet.

Jeg fandt på dette websted Sed - en introduktion og selvstudium at du kan oprette værdiskalaer med mønstre. eksemplet kode er:

sed '/start/,/stop/ s/#.*//'

Nå, jeg fortalte dig, at - i mangel af eksempel - jeg var nødt til at gøre nogle antagelser. Her er en ny version, der vil arbejde på tags spænder over flere linjer. Det vil stadig ikke fangsten er tale om flere "<tr> ...</ tr>" par på én linje, selv om.

sed -n '/<tr>/,/<\/tr> {
           s/.*<tr>//
           s/<\/tr>.*//
           p
           }' /path/to/your/file

something....<tr> content of the tr-tag
some more content
even more content</tr> something else....

[...] withough behøver at spilde tid på at gøre et eksempel tabellen