37、高级文本处理：sed与gawk的深入应用

高级文本处理：sed与gawk的深入应用

1. 高级sed编辑技巧

在处理网页HTML代码时，我们常常需要从其中提取所需的数据。使用 sed 编辑器可以很好地完成这个任务。

例如，对于包含HTML代码的文件 data9 ，我们可以使用如下命令去除HTML标签：

$ sed ’s/<[^>]*>//g’ data9

这个命令会将文件中所有的HTML标签替换为空，从而只显示文本内容：

This is the page title
This is the first line in the Web page. This should provide
some useful information for us to use in our shell script.

为了进一步清理输出结果，去除多余的空行，我们可以添加删除命令：

$ sed ’s/<[^>]*>//g;/^$/d’ data9

这样输出就会更加紧凑，只包含我们需要的数据。

sed 编辑器还提供了一些高级功能，用于跨多行处理文本模式：
- 多行命令 ：
- next命令 <