sed 以删除两个模式之间的内容

Question

可能的重复项：
使用 BASH 脚本从 HTML 表中提取数据

我有一个包含以下内容的 html 文件。我想使用 sed 删除模式< script ..... >和</script>之间的所有内容（多行），其余内容保持不变。我还想删除标签。

任何帮助将不胜感激。 谢谢！我尝试了以下两种方法，但没有运气。

cat test.html | tr -d 'n' | sed 's/< script.*</script>//g' > output.txt

和

sed '/< script/,/</script>/d' test.html > output.txt    

---

don't touch this.
this is not to be removed < script bla bla> this is to be
removed. < /script> this is going to
stay < script bla bla bla bla bla> remove this
and this 
and this < /script> and this stays as is.
this too.

---

Answer 1

怎么样：

cat yourfile | tr -d 'n' | sed -e 's,< script.*< /script>,,g'

注意结束标记中的空格

Answer 2

这可能对你有用（GNU sed）：

sed ':a;$!{N;ba};/x00/q1;s/<s*/?script[^>]*>/x00/g;s/x00[^x00]*x00//g' file

它可能会失败的可能性很小，因为 HTML 文件包含十六进制代码x00在这种情况下，返回代码将被1，文件输出将保持不变。

解释：

• :a;$!{N;ba}将文件压缩到模式空间中
• /x00/q1检查文件中的十六进制代码x00，如果找到，则退出，返回代码为 1
• s/<s*/?script[^>]*>/x00/g将所有script开始和结束标记替换为x00
• s/x00[^x00]*x00//g删除x00之间的所有内容