使用 sed 删除包含特定文本的 HTML 标记的 Shell 脚本答案

【问题标题】：Shell script using sed to remove HTML tag containing specific text使用 sed 删除包含特定文本的 HTML 标记的 Shell 脚本
【发布时间】：2013-12-02 15:49:05
【问题描述】：

我正在寻找一种方法来删除（如果可能，使用 sed）包含特定单词的 html 标记。例如，删除每个包含单词 foo 的 div 标记。 div 当然可以包含多行。例如：

<body>
    <div>
        This div will be <i>deleted</i>.
        Why ?
        Because it contains foo.
    </div>

    <div>
        This div doesn't contains the forbidden word.
        <b>So it won't be deleted.</b>
    </div>
</body>

我找到了删除 html 标签的方法，但没有找到包含特定文本的标签。谢谢！

【问题讨论】：

你有没有尝试过？
很遗憾，我不是 sed 专家。完全没有。但是我花了一些时间四处寻找解决方案，但到目前为止没有找到任何可以帮助我的东西。
使用具有适当 HTML 解析器的语言。 sed 只会处理，例如嵌套的divs 难度很大。

标签： bash shell sed pattern-matching

【解决方案1】：

单独使用 sed 是不可能的。 Sed 是一个单行处理器。如果你想要一个使用 sed/bash/grep 的脚本，你需要创建一个解析器来解析 div 内容并且只打印不包含你想要的文本的 div。说真的，请寻找一个 html 解析器。

【讨论】：

这对 sed 来说并非不可能，只是有点麻烦，还有更好的方法可以做到这一点，例如stackoverflow.com/questions/5341158/…。但不可能不是！