Cómo quitar sólo etiquetas html dentro de un archivo?

#1 (**Enlace permanente**) 11-23-2007

Hi All,

He siguiente fichero de ejemplo

i desea eliminar todas las etiquetas html sólo,

Archivo de entrada:

<html>
<head>
<title> de Soluciones de Software Inc., </ title>
<meta http-equiv\u003d"Content-Type" content\u003d"text/html; charset\u003diso-8859-1">
</ head>
<body bgcolor\u003dwhite leftmargin\u003d"0" topmargin\u003d"0" marginwidth\u003d"00" marginheight\u003d"0" class\u003dNormalFont>
<table ID\u003d"Table2" Bordercolor\u003dblack border\u003d2 cellspacing\u003d2 cellpadding\u003d2>
<TD <TR> Colspan\u003d4 align\u003dleft bgcolor\u003d"yellow"> Iswar Ramamoorthy </ TD> </ TR>
<tr>
<td align\u003dcenter> Fecha </ td>
<td align\u003dcenter> total de horas </ td>
<td align\u003dcenter> total en tiempo </ td>
<td align\u003dcenter> total Descanso Horas </ td>
</ tr>

</ table>

<table ID\u003d"Table2" Bordercolor\u003dblack border\u003d2 cellspacing\u003d2 cellpadding\u003d2>
<TD <TR> Colspan\u003d4 align\u003dleft bgcolor\u003d"yellow"> Aman Jain </ TD> </ TR>
<tr>
<td align\u003dcenter> Fecha </ td>
<td align\u003dcenter> total de horas </ td>
<td align\u003dcenter> total en tiempo </ td>
<td align\u003dcenter> total Descanso Horas </ td>
</ tr>

</ table>

<table ID\u003d"Table2" Bordercolor\u003dblack border\u003d2 cellspacing\u003d2 cellpadding\u003d2>
<TD <TR> Colspan\u003d4 align\u003dleft bgcolor\u003d"yellow"> Anilkumar Kaandukuri </ TD> </ TR>
<tr>
<td align\u003dcenter> Fecha </ td>
<td align\u003dcenter> total de horas </ td>
<td align\u003dcenter> total en tiempo </ td>
<td align\u003dcenter> total Descanso Horas </ td>
</ tr>

<tr class\u003dnormalfont>
<td align\u003dcenter> 11/16/2007 </ td>
<td align\u003dcenter> 1:16:0 </ td>
<td align\u003dcenter> 01:16 </ td>
<td align\u003dcenter> 0 </ td>
</ tr>

</ table>

<table ID\u003d"Table2" Bordercolor\u003dblack border\u003d2 cellspacing\u003d2 cellpadding\u003d2>
<TD <TR> Colspan\u003d4 align\u003dleft bgcolor\u003d"yellow"> Arun Sivaraman </ TD> </ TR>
<tr>
<td align\u003dcenter> Fecha </ td>
<td align\u003dcenter> total de horas </ td>
<td align\u003dcenter> total en tiempo </ td>
<td align\u003dcenter> total Descanso Horas </ td>
</ tr>

Mi resultado esperado:

Soluciones de Software Inc.

Iswar Ramamoorthy

Fecha
Total de Horas
Tiempo total en
Total de Horas de Descanso

Aman Jain

Fecha
Total de Horas
Tiempo total en
Total de Horas de Descanso

Anilkumar Kaandukuri

Fecha
Total de Horas
Tiempo total en
Total de Horas de Descanso

11/16/2007
1:16:0
01:16
0

............
...........

etc ...........

radoulov · #2 (**Enlace permanente**) 11-23-2007

Código:

sed -n '/^$/!{s/<[^>]*>//g;p;}' filename

O, con un poco diferente de salida:

Código:

lynx --dump filename

(el archivo debe tener htm [l] de extensión)

O el uso html2text

#3 (**Enlace permanente**) 11-23-2007

Todos los comandos están haciendo bien,

sed -n'/^$/!{ s /<[^>]*>// g, p;) 'filename

Por favor, explique el por encima de sed comando

Gracias,
Thangaraju.

Más UNIX y Linux Foro Temas usted puede encontrar útiles
Hilo	Hilo para principiantes	Foro	Respuestas	Último mensaje
Eliminar etiquetas html con bash	dejavu88	Programación de scripts de shell y	4	05-22-2008 02:58 PM
Cómo completar las etiquetas HTML con SED	DocBrewer	Programación de scripts de shell y	3	04-25-2008 10:40 AM
etiquetas html	dunryc	Programación de scripts de shell y	3	11-29-2007 06:14 PM
Cómo dividir el archivo por archivo dentro de las etiquetas?	spookyrtd99	Programación de scripts de shell y	1	07-31-2006 01:50 AM
Automatizado de la sustitución de etiquetas HTML	nem_kirk	Sun Solaris	1	11-17-2005 01:24 AM

Herramientas de hilo	Buscar en este Hilo
Mostrar Versión para imprimir Enviar esta página	Buscar en este Hilo: Búsqueda avanzada
Modos de visualización	Vota a este hilo
Cambiar a modo lineal Modo híbrido Cambiar a modo de línea	Vota a este hilo:


	Powered by