如何在 bash/awk 脚本中从 HTML 中提取元标记？

Question

我有一个有效的 Bash 脚本来提取标题标签。 我需要 AWK 字段分隔符的帮助，用于从 HTML 中提取元标记，如下所示：

<meta name="keywords" content="key1, key2, key3">

我的脚本可以提取标题，但meta name不起作用。

#!/bin/bash
for LINE in `cat htmls.txt`

do
   echo $LINE
   awk 'BEGIN{IGNORECASE=1;FS="<title>|</title>";RS=EOF} {print $2}' $LINE |
   awk '{ if (NF > 0) printf("%s\n", $0); }'
done

我想我需要一个正则表达式解决方案。 有任何想法吗？

Answer 1

首先安装xml2例如

sudo apt-get install xml2

wget -q -O - http://www.latin.fm | xml2 | grep meta | awk -F/ '{print $NF}'

Output

@property=og:title
@content=Latin FM
...

Answer 2

只需这样做：

$ awk '/meta name/{ gsub(/.*meta name=\042|\042.*/,"");print }' file
keywords

要从网站获取，请使用wget

wget -O- -q $url | awk '/meta name/{ gsub(/.*meta name=\042|\042.*/,"");print }'