comando per estrarre testo

Michele81 · 12-07-2005, 17:53

Ciao!

stavo cercando un comando linux per estrarre testo da un html, indicandogli solamente l'inizio e la fine del pezzo da estrarre.

Esempio:
"<codice html da eliminare>pezzo da estrarre<codice html da eliminare>"

Ho provato con sed, ma non riesco ad ottenere risultati (e non so neanche se è adatto allo scopo)....

Michele81 · 13-07-2005, 11:38

Nessuno che mi riesce a dare una mano?

bionicoz · 13-07-2005, 13:25

man sed && RTFM && google.

Codice:

magicmushrooms ~ # cat io
<html>questo</html>  <html>questo</html>
<html>dovrebbe</html>
<html>andare</html>
<html>bene</html>
<html>no?</html>
magicmushrooms ~ # sed -e 's/<html>//g' -e 's/<\/html>//g' io
questo  questo
dovrebbe
andare
bene
no?
magicmushrooms ~ #

-e per eseguire più di un comando alla volta, s sta per substitute, cosa? quello che c'è dopo lo /, con cosa? con quello che c'è dopo il secondo / (nulla nel nostro caso) g indica che deve sostituire tutte le occorrenze per riga, io è il file che devi processare. Spero di esserti stato utile, Bio.

kingv · 13-07-2005, 13:43

in alternativa
sed -e 's/<codice html da eliminare>\(.*\)<codice html da eliminare>/\1/' file_html

se però l'html ha anche altri tag devi modificarlo per farglieli eliminare

kingv · 13-07-2005, 13:46

Quote:

Originariamente inviato da bionicoz

man sed && RTFM && google.

ha detto che ha usato sed ma non è riuscito a venirne a capo, un forum serve per chiedere no?

bionicoz · 13-07-2005, 14:02

kingv, hai ragione, ma il fatto è che fino a 5 minuti fa nemmeno io avevo mai usato sed. In ogni caso scusa Michele81, evterò gli rtfm sul forum.. (ma li conserverò per irc... muhahah come sono bofh!!!

)

Michele81 · 13-07-2005, 15:44

Quote:

Originariamente inviato da bionicoz

kingv, hai ragione, ma il fatto è che fino a 5 minuti fa nemmeno io avevo mai usato sed. In ogni caso scusa Michele81, evterò gli rtfm sul forum.. (ma li conserverò per irc... muhahah come sono bofh!!!

)

La mia frase iniziale

"Ho provato con sed, ma non riesco ad ottenere risultati (e non so neanche se è adatto allo scopo)...."

lasciava intendere che un po' con sed ci ho smanettato.
Dell'esempio che hai riportato tu ne è pieno il web, e tratta una semplice sostituzione, una per ogni colonna...non ti è forse venuto il dubbio che ci abbia già provato?

Tranquillo per il rtfm

@kingv: stasera provo il tuo

Ciao!

kingv · 13-07-2005, 16:55

Quote:

Originariamente inviato da Michele81

La mia frase iniziale
@kingv: stasera provo il tuo

la soluzione che ti ho postato prima non va bene, perchè si limita a sostituire a <tag>xxx<tag> la stringa contenuta tra i due delimitatori.

penso che quello che cerchi sia qualcosa del tipo:

Codice:

sed -n -e 's/.*<tag_inizio>\(.*\)<tag_fine>.*/\1/p' nome_file

kingv · 13-07-2005, 17:04

ripensandoci se i tag <tag_inizio> e <tag_file> sono su righe diverse non funziona nemmeno così

, provo a sistemartelo domani perchè sto uscendo.

Michele81 · 13-07-2005, 17:06

Quote:

Originariamente inviato da kingv

la soluzione che ti ho postato prima non va bene, perchè si limita a sostituire a <tag>xxx<tag> la stringa contenuta tra i due delimitatori.

penso che quello che cerchi sia qualcosa del tipo:

Codice:

sed -n -e 's/.*<tag_inizio>\(.*\)<tag_fine>.*/\1/p' nome_file

Perfetto!!!!

Grazie mille!

kingv · 13-07-2005, 17:17

Quote:

Originariamente inviato da Michele81

Perfetto!!!!

Grazie mille!

bene

tieni conto che se hai nel tuo file delle situazioni tipo:

<tag_inizio>xxx
<tag_fine>

(cioè su due righe diverse) non funziona

12-07-2005, 17:53	#1
Michele81 Senior Member Iscritto dal: Jul 2002 Città: Bergamo Messaggi: 404	comando per estrarre testo Ciao! stavo cercando un comando linux per estrarre testo da un html, indicandogli solamente l'inizio e la fine del pezzo da estrarre. Esempio: "<codice html da eliminare>pezzo da estrarre<codice html da eliminare>" Ho provato con sed, ma non riesco ad ottenere risultati (e non so neanche se è adatto allo scopo)....

13-07-2005, 13:25	#3
bionicoz Member Iscritto dal: Jul 2004 Città: Aosta Messaggi: 130	man sed && RTFM && google. Codice: magicmushrooms ~ # cat io <html>questo</html> <html>questo</html> <html>dovrebbe</html> <html>andare</html> <html>bene</html> <html>no?</html> magicmushrooms ~ # sed -e 's/<html>//g' -e 's/<\/html>//g' io questo questo dovrebbe andare bene no? magicmushrooms ~ # -e per eseguire più di un comando alla volta, s sta per substitute, cosa? quello che c'è dopo lo /, con cosa? con quello che c'è dopo il secondo / (nulla nel nostro caso) g indica che deve sostituire tutte le occorrenze per riga, io è il file che devi processare. Spero di esserti stato utile, Bio. __________________ "Not all men who drink are poets. Some of us drink because we aren't poets." bionicoz@bionicoz.biz - PGP Key: bionicoz.asc

13-07-2005, 14:02	#6
bionicoz Member Iscritto dal: Jul 2004 Città: Aosta Messaggi: 130	kingv, hai ragione, ma il fatto è che fino a 5 minuti fa nemmeno io avevo mai usato sed. In ogni caso scusa Michele81, evterò gli rtfm sul forum.. (ma li conserverò per irc... muhahah come sono bofh!!! ) __________________ "Not all men who drink are poets. Some of us drink because we aren't poets." bionicoz@bionicoz.biz - PGP Key: bionicoz.asc

13-07-2005, 11:38	#2
Michele81 Senior Member Iscritto dal: Jul 2002 Città: Bergamo Messaggi: 404	Nessuno che mi riesce a dare una mano?

13-07-2005, 13:43	#4
kingv Senior Member Iscritto dal: Jan 2001 Città: Milano Messaggi: 5707	in alternativa sed -e 's/<codice html da eliminare>\(.*\)<codice html da eliminare>/\1/' file_html se però l'html ha anche altri tag devi modificarlo per farglieli eliminare

13-07-2005, 17:04	#9
kingv Senior Member Iscritto dal: Jan 2001 Città: Milano Messaggi: 5707	ripensandoci se i tag <tag_inizio> e <tag_file> sono su righe diverse non funziona nemmeno così , provo a sistemartelo domani perchè sto uscendo.

Strumenti
Mostra una versione stampabile Invia questa pagina per email