linux - 使用AWK删除与html标签匹配的字符(不是正则表达式)

Question

这个问题已经有答案了:

RegEx match open tags except XHTML self-contained tags (35 个回答)

已关闭 6 年前。

我想从这个正则表达式中删除带有 awk 的每个 html 标签:/[<.*.>]/如果在任何字段中找到所述正则表达式。我一直在尝试让它与 sub 或 substr 一起使用，但我找不到正确的逻辑。

输入文字:

Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitation<br/><div style="margin-top:6px">< b>veniam:< /b>< /div> <br/><div style="margin-top:6px">< b>Confort:< /b></div>Comenzi volan; Cruise-control; Servodirectie; <br/>

输出:

Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitationveniam: Confort:Comenzi volan; Cruise-control; Servodirectie;

Answer 1

如果您并不是真正解析 HTML，而只是想删除每个 <...> 之间的所有内容在文本文件中配对，然后使用 GNU awk for multi-char RS 就是这样的:

$ awk -v RS='<[^>]+>' -v ORS= '1' file
Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua. Ut enim ad minim veniam, quis nostrud exercitationveniam: Confort:Comenzi volan; Cruise-control; Servodirectie;