从Linux Shell上的HTML变量中打印一个值

Question

我正在尝试在HTML文件上打印变量的值该文件可以被称为something.html，我需要打印nbLineValue变量中的数字，在本例中为77

<span class="nbLineLabel"></span><span class="nbLineValue">77</span>

有任何想法吗？

编辑：我设法用以下代码解决问题

grep -oP '<span class="nbLineLabel"></span><span class="nbLineValue">\K[[:digit:]]*' something.html

Answer 1

使用正则表达式是解析XML / HTML数据的不错选择 - 请参阅this question/answer。

你可以使用htmlutils，但是 - 在Debian，Ubuntu和Arch上，包装是html-xml-utils。这附带了一个应用程序hxselect，它可以使用CSS选择器在命令行上执行HTML解析。从文档页面：

hxselect [ -i ] [ -c ] [ -l language ] [ -s separator ] selectors

hxselect读取格式良好的XML文档，并输出与作为参数给出的CSS选择器之一匹配的所有元素和属性。

在您的情况下，您可以使用如下命令：

cat something.html | hxselect -i -c -s '\n' .nbLineValue

这里使用的选项如下：

• -i：不区分大小写。这适用于HTML，其中元素标记可以是任何情况。
• -c：仅显示每个元素的内容（正文），而不显示其周围的标记。这可以确保你获得77，而不是周围的所有。
• -s '\n'：在每个匹配元素后输出一个换行符，以便于解析。
• .nbLineValue：选择类nbLineValue的所有元素