过滤HTML标签的sed

Question

我在试图在UNIX

<option value="20121209/YvegRascYTGxmWLUIrqW/por121209130030.jpg">2012-12-09 13:00h</option> 

过滤以下字符串到一个问题： 20121209/YvegRascYTGxmWLUIrqW/por121209130030.jpg和2012-12-09 13:00。 我可以找到我想要的子串的开始，但不是结束。

file=tmpfile 
read -r firstline<$file 
firstArg=$(echo $firstline | sed 's/^.*value="//' | sed 's/">*$//') 
echo $firstArg 
secondArg=$(echo $firstline | sed 's/^.*">//' | sed 's/h<*$//') 
echo $secondArg 

输出如下：

20121209/YvegRascYTGxmWLUIrqW/por121209130030.jpg">2012-12-09 13:00h</option> 
2012-12-09 13:00h</option> 

但我真正想要的是

20121209/YvegRascYTGxmWLUIrqW/por121209130030.jpg 
2012-12-09 13:00 

Answer 1

轻微修正，你缺少在两个地方.（第2 sed的每条线路上*前）：

file=tmpfile 
read -r firstline<$file 
firstArg=$(echo $firstline | sed 's/^.*value="//' | sed 's/">.*$//') 
echo $firstArg 
secondArg=$(echo $firstline | sed 's/^.*">//' | sed 's/h<.*$//') 
echo $secondArg 

输入：

<option value="20121209/YvegRascYTGxmWLUIrqW/por121209130030.jpg">2012-12-09 13:00h</option> 

输出：

20121209/YvegRascYTGxmWLUIrqW/por121209130030.jpg 
2012-12-09 13:00 

说明：

• * 0次或多次匹配前面的字符，所以你以前匹配的零个或更多>的和<的。
• .与任何字符匹配
• 因此>.*匹配>后的零个或多个字符。

改进：

此外，两个sed线可以更好地写为：

firstArg=$(sed 's/^.*value="//;s/">.*$//' <<< "$firstline") 
secondArg=$(sed 's/^.*">//;s/h<.*$//' <<< "$firstline") 

• 分隔多个一个SED呼叫
• <<<符号内更换由;图案被称为herestring，你可以保存回声这里的管道用它来代替
• 始终包裹变量用双引号

Answer 2

尝试这样做：

sed -r 's@.*([0-9]{8}/[^"]+).*>([0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]{2}:[0-9]{2}[[:alnum:]]*)<.*@\1\n\2@g' 

实例

$ cat file.txt 
<option value="20121209/YvegRascYTGxmWLUIrqW/por121209130030.jpg">2012-12-09 13:00h</option> 
$ sed -r 's@.*([0-9]{8}/[^"]+).*>([0-9]{4}-[0-9]{2}-[0-9]{2} [0-9]{2}:[0-9]{2}[[:alnum:]]*)<.*@\1\n\2@g' file.txt 
20121209/YvegRascYTGxmWLUIrqW/por121209130030.jpg 
2012-12-09 13:00h