☰

Como usar sed, awk ou grep para excluir um determinado padrão, mas manter todo o resto

tag-icon • tag-icon awk sed grep
Como usar sed, awk ou grep para excluir um determinado padrão, mas manter todo o resto

Quero excluir tudo, menos uma mensagem. Por exemplo, se tivermos o seguinte:

<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>: &quot;Massive demographic change has political consequences.&quot; <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>

O resultado após usar o comando deve ficar assim:

Massive demographic change has political consequences.

Minha tentativa até agora

sed -n "/<p class="TweetTextSize  js-tweet-text tweet-text" lang="en" data-aria-label-part="0">/,/<\/p>/p">>

O que estou tentando fazer é deletar o que está dentro de todo <> </>padrão <p> </p>e manter o resto. Eu sei que não parece fácil, mas ainda assim agradeceria qualquer ajuda.

Responder1

A solução usandoxmstarletferramenta:

xmlstarlet sel -t -v "/p/text()[2]" -n file | sed 's/.*"\(.*\)"/\1/'

A saída:

Massive demographic change has political consequences.

selopção

sel (ou select) - Selecione dados ou consulte documentos XML (XPATH, etc)

-t--opções de modelo

-vopção

-v ou --value-of - imprime o valor da expressão XPATH

/p/text()[2]- Expressão XPath, seleciona o segundo nó de texto do parágrafo (o primeiro nó de texto é .)

sed 's/.*"\(.*\)"/\1/'- para extrair a mensagem entre aspas duplas

informação relacionada