如果子标签内容匹配，awk 返回父 HTML 标签值 - 可能吗？答案

【问题标题】：awk return parent HTML tag value if its child tag content is matched - possible?如果子标签内容匹配，awk 返回父 HTML 标签值 - 可能吗？
【发布时间】：2010-09-24 10:44:42
【问题描述】：

我一直在寻找这个问题的解决方案，但我无法自己解决。

所以我有一堆 HTML 代码块，我想搜索包含在其中一个内部标记中的特定字符串，如果有匹配项，我想返回它的父标记值。这是一个例子”

<li rel="Returns this value">
    <some other tags and elements here />
    <a class="link"><span>This match</span></a>
</li>

我们搜索字符串This match，它会返回Returns this value。这在awk中可能吗？如果不是，那么最简单的方法是什么？我不介意任何解决方案，但是最好使用 awk 或类似的命令行工具。我在 Ubuntu 服务器上运行，我有 root 访问权限，所以如果需要，我可以依赖其他语言，例如 Ruby、Python、Perl、PHP 等。

到目前为止，我已经能够在 span 标签之间搜索字符串，并返回其内容。然而，使用简单的 sed 命令可以更轻松地完成它，因此它还没有太多用处。但是，它可能仍然有用，并且可能会被改进以完成我需要它做的事情，所以这里是：

awk 'BEGIN{RS="";FS="</span>"}
/li/{
 for(i=1;i<=NF;i++){
    if($i ~ /span/){
        gsub(/.*span>/,"",$i)
        print $i
    }    
 } 
}'

在上面的例子中使用时，它将返回This match。非常感谢您的建议。

【问题讨论】：

标签： awk html-parsing gawk

【解决方案1】：

一般you can't parse html with regular expressions.

这并不意味着您不能在 awk 中解析 html，尽管这将是一项艰巨的工作，而且我从未听说有人这样做。

如果您的目标定义明确并且输入非常统一，并且您可以保证输入中标签嵌套的某些事情，您也许可以管理它。

但是，在大多数情况下，awk 是不适合这项工作的工具。最好选择一种具有可用 HTML 解析引擎的语言并使用它。 Perl、python、php、ruby...很多选择。

【讨论】：