使用grep提取html文件的标题
[英]Extract Title of a html file using grep
问题描述
cat 1.html | grep "<title>" > title.txt
This grep statement is not working. 
这个grep语句不起作用。
Please tell the best way to grab the title of a page using grep or sed. 请告诉使用grep或sed获取页面标题的最佳方法。
Thanks. 谢谢。
6 个解决方案
解决方案1
5 2010-09-30 17:46:37
sed -n 's/<title>\(.*\)<\/title>/\1/Ip' 1.html
使用-n和p的组合仅打印匹配
解决方案2
5 已采纳 2010-09-30 23:25:45
you can use awk. 你可以使用awk。 This works even for multiline 这甚至适用于多线
$ cat file
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd">
<html>
<head>
<title>Extract Title of a html file
using grep - Stack Overflow</title>
<link rel="stylesheet" type="text/css" href="http://sstatic.net/stackoverflow/all.css?v=9ea1a272f146">
$ awk -vRS="</title>" '/<title>/{gsub(/.*<title>|\n+/,"");print;exit}' file
Extract Title of a html file using grep - Stack Overflow
解决方案3
3 2010-09-30 17:19:55
您可以使用XML::Twig Perl包中的xml_grep：
xml_grep --text_only title 1.html
解决方案4
0 2010-09-30 17:24:30
grep "<title>" /path/to/html.html
Works fine for me. 对我来说很好。 Are you sure 1.html is in your current working directory? 你确定1.html在你当前的工作目录中吗？ pwd to check. pwd检查。
解决方案5
0 2017-05-23 14:41:22
Alex Hovansky's answer is good enough, although there is a chance that html is not well formed and your xml_grep would crash Alex Hovansky的答案已经足够好了，虽然html可能没有很好地形成，你的xml_grep会崩溃
I recommend use tidy to convert html to xml, then use xml_grep 我建议使用tidy将html转换为xml，然后使用xml_grep
tidy -asxml -utf8 html_file.html > out.xml
xml_grep 'xpath_expression' out.xml
解决方案6
0 2017-09-14 08:24:05
cat 1.html | grep -oE "<title>.*</title>" | sed 's/<title>//' | sed 's/<\/title>//'
Grep用-oE只提取标题标签，然后sed删除html标签
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.