oi

Preciso usar unix para extrair dados de várias linhas de uma tabela no código HTML. Eu sei que as linhas dentro de uma tabela tem as tags <tr> </ tr> e por isso pensei que o meu primeiro passo deve ser a de suprimir todos os outros código html que não é contido dentro dessas tags. Eu poderia, então, usar este método remover tudo novamente, mas não em <td> </ td> tags. mas a grande questão é saber como posso fazer isso? Acho que preciso sed mas de momento é apenas confundir-me demasiado qualquer ajuda?

Em princípio, você está certo. O seguinte script irá extrair tudo entre um "<tr>" e "</ tr>" tag. Irá assumir que não existem vários "<tr> - </ tr>"-pares em uma única linha e as marcas próprias são todos em minúsculas (sem "<TR>").

O resultado pode não ser o que você precisa, no entanto, assim que você pode considerar o que nos deu uma amostra do que você tem e aquilo que você precisa para obter a partir dele. Isto ajudar-nos a ajudá-lo melhor.

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

Oi.

Ver HTML tabela para CSV para uma outra abordagem utilizando lynx-dump.

Em geral, as ligações de fios são semelhantes aos seus postado no fundo da discussão ... cheers, DRL

graças Bakunin que é realmente útil. i cant postar uma amostra da página html por razões diversas. o único problema com a sua solução é que a maioria das tags são <tr> em várias linhas na minha página html. ou seja, a etiqueta pode ser aberto na linha 7 e, em seguida, encerrada em linha 20. daí é que é possível com sed para apagar tudo em uma linha (incluindo a linha), mas quando chega a parar um <tr> tag e começar de novo quando se chega a um </ tr>? alternativamente existe uma maneira de fazer sed Consideramos que toda a página html está em uma única linha?

como não estou familiarizado com as capacidades do sed, Torna difícil para mim saber qual a melhor forma de concluir esta tarefa é.

Não há nenhuma razão você não pode zombar de uma página HTML que parece com o que você está trabalhando com um, mas que não contém quaisquer informações sensíveis. Ninguém está interessado em jogar dardos em um quarto escuro.

Se você postar alguma coisa, alguém irá postar código. Caso contrário, você vai ter que fazê-lo manualmente. Tente algo como substituir todas newlines no arquivo com espaços, dividir o arquivo antes de cada <ou depois de cada> e, de lá ir. Se você pode ter um <ou> dentro dos dados, então você vai fazer um pouco de trabalho extra. Esse é o melhor que posso fazer por você no momento.

ShawnMilo

tentando responder à minha própria pergunta aqui, mas ainda lutando im doesnt se este trabalho, então vou escarnecessem até um exemplo, eu pensei que a minha descrição pode ter sido bom o suficiente withough ter que perder tempo fazendo um exemplo tabela.

Encontrei neste site Sed - An Introduction and Tutorial que você pode criar gamas por padrões. o exemplo de código é:

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

Bem, eu disse-lhe que - na ausência de qualquer exemplo - Eu tive que fazer algumas suposições. Aqui está uma nova versão que irá funcionar em etiquetas que vão ao longo de várias linhas. Irá ainda não pegar o caso de vários "<tr> ...</ tr>" pares em uma linha, no entanto.

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 ter de perder tempo fazendo um exemplo tabela