如何使用grep命令提取html中标记之间的内容

Question

我想写一个grep命令，它将在h1标签之间提取内容，而不考虑类和其他属性

我试过

grep -o '>.*</h1>' Email.txt

但只给出了三个元素

Answer 1

使用GNUgrep，您可以使用

grep -oP '<h1(?:s[^>]*)?>K.*?(?=</h1>)' Email.txt

-P选项将启用PCRE正则表达式引擎，并且模式将与匹配

• <h1-<h1字符串
• (?:s[^>]*)?-一个可选的非捕获组，匹配1或0个空白(s(，后面跟0个以上的字符，而不是>
• >-一个>字符
• K-匹配重置运算符，用于丢弃到目前为止从匹配内存缓冲区匹配的文本
• .*?-换行字符以外的任何0+个字符，尽可能少
• (?=</h1>)-与紧接着</h1>子字符串的位置相匹配的正向前瞻