Удалить все комментарии и теги из HTML файла

@kylandry · Регистрация: 26.05.2017

Author24 — интернет-сервис помощи студентам

Есть задание: Написать сценарий для sed и awk для удаления тегов и комментариев HTML. Теги и комментарии могут быть многострочными. Обеспечить правильную подстановку для знаков <, >, & и ". В общем нужно убрать теги и комменты вокруг текста, а сам текст оставить. Из такого:

HTML5

<!-- commentary -->
<html><head><meta http-equiv="Content-Type" content="text/html; charset=KOI8-R">
   
   <title>hello</title>
<link rel="stylesheet" crossorigin="anonymous"><style type="text/css">
<body>
<center>
<b>
Text1
</b>
</center>
<br>
Text2
<br>
<br>
Text3
<input type="text" name="field1" value="" size="32" maxlength="64">
<input type="submit" value="Start">
<input type="reset" value="Clear">
</form>
<hr>
</body></html>

должно получиться такое:

HTML5

  commentary
   
 
 
Text1
 
 
 
Text2
 
 
Text3

Написал пока что только такой код, но он удаляет только теги:

Bash

1	sed -n '1h;2~1H;${g;s/<[^>]*>//g;p}' test.html >htmlres.txt

Как написать чтобы еще удалялись комментарии? А так же как написать это на awk'e?

@helter · 26.05.2017, 15:19

https://stackoverflow.com/ques... 54#1732454

@Marinero · 26.05.2017, 17:47

Сообщение от kylandry

sed и awk

не очень хороший инструмент для работы с

Сообщение от kylandry

тегов и комментариев HTML

Есть много специализированных инструментов типа xmlstarlet, html-xml-utils и т.д.

@nezabudka · 26.05.2017, 18:44

Bash

1	sed 's/<[^>]\+>//g;/<[^>]\+$/,/^[^<]\+>$/ d;/^$/ d'

Добавлено через 21 минуту
Не, не получается. Только так

Bash

1	sed -z 's/<[^>]\+>//g;s/^\n//gm'

@Marinero · 26.05.2017, 19:30

Сообщение от nezabudka

/<[^>]\+$/,/^[^<]\+>$/ d

не совсем корректное

Bash

sed ':1;
     s/<[^>]\+>//g;
     /</b;
     N;
     b1'

@helter 4527 / 3521 / 358 Регистрация: 12.03.2013 Сообщений: 6,038
	26.05.2017, 15:19	2
	https://stackoverflow.com/ques... 54#1732454 0

@Marinero 2795 / 2038 / 682 Регистрация: 02.03.2015 Сообщений: 6,509
	26.05.2017, 17:47	3
	Сообщение от kylandry sed и awk не очень хороший инструмент для работы с Сообщение от kylandry тегов и комментариев HTML Есть много специализированных инструментов типа xmlstarlet, html-xml-utils и т.д. 0

	26.05.2017, 19:30