hoi

Ik moet voor het gebruik van Unix te extraheren van gegevens uit verschillende rijen van een tabel gecodeerd in html. Ik weet dat de rijen in een tabel zijn de tags <tr> </ tr> en dus ik dacht dat mijn eerste stap moet zijn om alle van de andere html-code die niet binnen deze tags. Ik kan vervolgens gebruik maken van deze methode toe, maar verwijder alles wat niet in <td> </ td> tags. maar de grote vraag is hoe kan ik dit doen? Ik denk dat ik moet sed maar op dit moment is het alleen maar verwarrend me te veel any help?

In principe heb je gelijk. Het volgende script zal uitpakken alles tussen een "<tr>" en "</ tr>" tag. Het zal ervan uitgaan dat er geen meerdere "<tr> - </ tr>"-paren op een enkele lijn en de codes zelf zijn allemaal kleine letters (geen "<TR>").

Het resultaat is misschien niet wat u nodig heeft, maar, dus je zou kunnen overwegen om ons een voorbeeld van wat je hebt en wat je nodig hebt om van het. Dit zou ons helpen om u te helpen beter.

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

Hoi.

Zien HTML-tabel naar CSV voor een andere aanpak met behulp van lynx-dump.

In het algemeen, links naar threads vergelijkbaar met de jouwe zijn geplaatst op de bodem van de draad ... cheers, DRL

dankzij bakunin dat is echt nuttig. i cant post een steekproef van de html-pagina voor verschillende redenen. het enige probleem met uw oplossing is dat de meeste van de <tr> tags worden op meerdere lijnen in mijn html-pagina. dwz de tag kan worden geopend op lijn 7 en vervolgens gesloten op lijn 20. dus is het mogelijk met sed het verwijderen van alles op een lijn (met inbegrip van de lijn), MAAR stoppen wanneer het wordt op een tag <tr> en opnieuw te beginnen wanneer het gaat om een </ tr>? Als alternatief is er een manier om sed geloven dat de hele html-pagina wordt op een lijn?

zoals ik ben niet bekend met de mogelijkheden van sedHet maakt het moeilijk voor mij om te weten wat de beste manier voor de voltooiing van deze taak is.

Er is geen reden waarom je niet kan spotten van een HTML-pagina die lijkt op de een u werkt met maar die bevat niet alle gevoelige informatie. Niemand is geïnteresseerd in throwing darts in een donkere kamer.

Als je iets post, iemand zal postcode. Anders, you're going to have to do it jezelf. Probeer iets als vervanging van alle nieuwe regels in het bestand met spaties, splitsing van het dossier voor elke <of na elke> en gaan vanaf daar. Als u een <of> in de gegevens, dan ben je gaan doen, een beetje extra werk. Dat is het beste wat ik voor u kan doen op dit moment.

ShawnMilo

proberen te beantwoorden mijn vraag hier, maar im nog worstelen Als dit werkt, dan doesnt i will mock-up een voorbeeld, ik dacht dat mijn beschrijving zijn goed genoeg withough hoeft te tijd om een voorbeeld tabel.

Ik vond op deze site Sed - An Introduction en Tutorial dat u kunt bereiken door patronen. het voorbeeld is:

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

Nou, ik vertelde je dat - bij gebreke van een voorbeeld - ik had een aantal veronderstellingen. Hier is een nieuwe versie die werkt op labels gaande over meerdere lijnen. Het zal nog niet vangst het geval van verscheidene "<tr> ...</ tr>" paren op een lijn, dat wel.

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 hoeft te tijd om een voorbeeld tabel