如何使用 sed 删除 HTML 中的 html 标签、脚本、空行？

【问题标题】：How can I remove html tags, scripts, empty lines in a HTML with sed?如何使用 sed 删除 HTML 中的 html 标签、脚本、空行？
【发布时间】：2020-06-19 12:50:25
【问题描述】：

我尝试了一些方法，但我无法做到。

sed -e "s/<!---* *<\(.*\)> *-->/<\1>/" test.html

我在这里找到了，但我不知道如何继续。

【问题讨论】：

stackoverflow.com/questions/19878056/…
这能回答你的问题吗？ Sed remove tags from html file
让 perl 与你同在 - `perl -0777 -pe 's/<.>//sg' test.html
如果你想删除空行那么perl -0777 -pe 's/<.*?>//sg;s/\s+\n+/\n/g' test.html
我只能使用 sed :/

标签： html linux bash sed

【解决方案1】：

我尝试了以下脚本来删除 html / 标签并输出剩下的内容。

输入文件：(test.txt)

<!DOCTYPE html>

  <head>

    <script>
      function myFunction() {
        document.getElementById("demo").innerHTML = "Paragraph changed.";
      }
    </script>

    <title>Sample page</title>

    <style>
      html { color: #837456; }
      body { background: white; }
    </style>

  </head>

  <body>
    <p>Hello here!</p>
  </body>

</html>

命令是

cat test.txt | sed 's/$/©/' | tr -d '\n' | sed 's/<script.*<\/script>//g' | sed 's/<[^>]*>//g' | sed 's/©/\n/g' | sed '/^ *$/d' | sed 's/^ *//'

输出恰好是：

Sample page
html { color: #837456; }
body { background: white; }
Hello here!

【讨论】：