メッセージ以外のすべてを削除したい。たとえば、次のような場合です。
<p class="TweetTextSize js-tweet-text tweet-text" lang="en" data-aria-label-part="0">.<a href="/TuckerCarlson" class="twitter-atreply pretty-link js-nav" dir="ltr" data-mentioned-user-id="22703645" ><s>@</s><b>TuckerCarlson</b></a>: "Massive demographic change has political consequences." <a href="/hashtag/Tucker?src=hash" data-query-source="hashtag_click" class="twitter-hashtag pretty-link js-nav" dir="ltr" ><s>#</s><b>Tucker</b></a><a href="https://t.co/PKqNgaihMQ" class="twitter-timeline-link u-hidden" data-pre-embedded="true" dir="ltr" >pic.twitter.com/PKqNgaihMQ</a></p>
コマンドを使用した後の結果は次のようになります。
Massive demographic change has political consequences.
これまでの私の試み
sed -n "/<p class="TweetTextSize js-tweet-text tweet-text" lang="en" data-aria-label-part="0">/,/<\/p>/p">>
私がやろうとしているのは、すべての<> </>
パターン内にあるものを削除し<p> </p>
、残りを残すことです。簡単ではないことは承知していますが、それでも助けていただければ幸いです。
答え1
解決策スターレット道具:
xmlstarlet sel -t -v "/p/text()[2]" -n file | sed 's/.*"\(.*\)"/\1/'
出力:
Massive demographic change has political consequences.
sel
オプション
sel (または select) - データを選択するか、XML ドキュメント (XPATH など) を照会します。
-t
--テンプレートオプション
-v
オプション
-v または --value-of - XPATH 式の値を出力します
/p/text()[2]
- XPath式は、段落の2番目のテキストノードを選択します(最初のテキストノードは.
)
sed 's/.*"\(.*\)"/\1/'
- 二重引用符で囲まれたメッセージを抽出します