在你抓取到的html文件，如果想查找并選出一個標簽間的內容的話，就需要使用多行匹配。這一點上grep不能提供此功能。所以就可以使用sed的多行匹配功能。
比如，你想選出
<html>
<body>
<div class="info">
......
......
</div>
</body>
</html>
兩個div標簽之間的內容。
可以用下面的方法
$ sed -n -e '/<div>/p' -e '/<div class=\"info\">/,/<\/div>/p' *.html > all.html
以上方法參考自此文章
http://www.fwolf.com/blog/post/346，這篇文章寫得很好。
以下內容均引自上述文章。
Update @ 2007-12-14
在和bxy討論的過程中，又發現sed的另外一種用途，從html或xml中按照tag對應關系，篩選打印出指定的tag內容，使用了正則中的p命令，好像默認就沒有“不能處理多行內容”以及“貪婪性”的問題，很好用，很強大：
$ sed -n -e '/<title>/p' -e '/<text /,/<\/text>/p' from.xml
注意/<\/text>/不在同一行的時候才好用，不然會匹配到下一個實例出現的位置作為結束邊界。
|----------------------------------------------------------------------------------------|
版權聲明 版權所有 @zhyiwww
引用請注明來源 http://www.aygfsteel.com/zhyiwww
|----------------------------------------------------------------------------------------|
posted on 2009-10-29 18:10
zhyiwww 閱讀(8445)
評論(0) 編輯 收藏 所屬分類:
linux