删除所有html标记的sed命令行的分解
删除所有html标记的sed命令行的分解
提问于 2018-06-16 04:30:47
我已经查找了使用sed删除html标记的方法。我偶然发现了这个帖子：
Delete html tags in sed or similar
用户“无用代码”建议以下行：
sed 's/<[^>]\+>//g'由于我是Stack Overflow的新手，因此还不允许对答案进行评论，所以我创建了这个帖子，要求您对上面的命令行进行分解。我知道"s“和"g”在代码中的作用，但是中间的部分，特别是<[^>]\+>，让我很困惑。
提前感谢！
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-06-16 04:52:31
[xyz]指的是任何字符x、y或z。
[^xyz]正好相反，即x、y或z以外的任何字符。
所以[^>]指的是除>之外的任何字符。
正则表达式中任何后跟+的内容都表示“其中的一个或多个”。因此，[^>]+表示一个或多个非>字符。
最后，<[^>]+>表示<后跟一个或多个非>字符，后跟>。所以基本上就是<anything>。
所有这些都放在/字符之间，以标记正则表达式搜索模式的开始和结束。第2和第3个/之间的部分是任何找到的匹配项都将被替换的部分。在本例中，它是一个空字符串，因为您只想删除标签。
+前面的反斜杠是因为sed默认使用有限版本的正则表达式，您也可以通过使用sed -E来克服这一点。
所以sed -E 's/<[^>]+>//g' (注意没有反斜杠)也可以使用。
注意:您可能想知道是否也必须删除<>。严格地说，这不是一个有效的HTML标记，但是如果它出现了，你可能也想去掉它。因此，您可以使用*来代替+，这意味着没有或多个前面的字符(而不是+，这意味着一个或多个字符)。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/50882304
复制相关文章
相似问题