Я хочу удалить все, кроме сообщения. Например, если у нас есть следующее:
<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>
Результат после использования команды должен выглядеть так:
Massive demographic change has political consequences.
Моя попытка на данный момент
sed -n "/<p class="TweetTextSize js-tweet-text tweet-text" lang="en" data-aria-label-part="0">/,/<\/p>/p">>
Я пытаюсь удалить то, что находится внутри всех <> </>
шаблонов между ними, <p> </p>
и сохранить остальное. Я знаю, что это не кажется легким, но я все равно буду признателен за любую помощь.
решение1
Решение с использованиемxmstarletинструмент:
xmlstarlet sel -t -v "/p/text()[2]" -n file | sed 's/.*"\(.*\)"/\1/'
Выход:
Massive demographic change has political consequences.
sel
вариант
sel (или select) — выбор данных или запрос XML-документа(ов) (XPATH и т. д.)
-t
--параметры шаблона
-v
вариант
-v или --value-of — вывести значение выражения XPATH
/p/text()[2]
- Выражение XPath, выбирает второй текстовый узел абзаца (первый текстовый узел — .
)
sed 's/.*"\(.*\)"/\1/'
- извлечь сообщение между двойными кавычками