linux - 如果其中包含一些文本，请删除 html 标签

Question

如果 div 的子项与某个字符串匹配，我想删除整个 div。例如:

<div>
some text here
if this text is matched, remove whole div
some other text
</div>

我必须对许多文件执行此操作，因此我正在寻找一些 Linux 命令，例如 sed。

感谢您对此进行调查。

Answer 1

如果我正确理解了你的问题，那么它可以通过一个 sed 命令来实现:

sed '/<div>/I{:A;N;h;/<\/div>/I!{H;bA};/<\/div>/I{g;/\bsome text here\b/Id}}' file.txt

测试

假设这是您的 file.txt:

a. no-div text

<DIV>

some text here
1. if this text is matched, remove whole DIV
some other text -- WILL MATCH
</div>

<div>
awesome text here
2. if this text is matched, remove whole DIV
this will NOT be matched
</div>

b. no-div text

<Div>
another text here
3. if this text is matched, remove whole DIV
and this too will NOT be matched
</Div>

<div>
Some TEXT Here
4. if this text is matched, remove whole DIV
foo bar foo bar - WILL MATCH
</DIV>

c. no-div text

现在，当我运行上面的 sed 命令时，它会给出以下输出:

a. no-div text


<div>
awesome text here
2. if this text is matched, remove whole DIV
this will NOT be matched
</div>

b. no-div text

<Div>
another text here
3. if this text is matched, remove whole DIV
and this too will NOT be matched
</Div>


c. no-div text

正如您可以从上面的输出中验证的那样，只要 some text here 模式在 div 标签之间匹配，那些 div block 已被完全删除。

PS:我在这里进行不区分大小写的搜索，如果您不需要这种行为，请告诉我。我只需要从上面的 sed 命令中删除 I switch。