需要一个解决方案来杀死像 <footer>foobar</footer> 这样的节点和 <div class="nav"></div>来自许多 HTML 文件。
我想将一个没有菜单和页脚的站点转储到磁盘上。理想情况下，我会使用像 sed 这样的基本 unix 工具来完成这项任务。因为它不是 XML，所以我不能使用 xmlstarlet .
谁能推荐食谱，这样我就可以理想地运行一个脚本 kill-node.sh 'div class="toplinks"' *.html修剪我不想要的部分。谢谢，
最佳答案
sed 基于正则表达式。使用正则表达式解析 html 是一个在 SO 上反复出现的主题，参见例如 regular expression to extract text from HTML甚至更好 Can you provide some examples of why it is hard to parse XML and HTML with a regex? .
就是说，如果 html 页面是以类似的方式编写的，您仍然可以构建一个可以完成这项工作的正则表达式，但要做好准备，这是不可能的(是的，理论上可以证明不可能)构建一个完整的解决方案在所有情况下都使用正则表达式。
关于html - 从 shell 中杀死 HTML 节点，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/2757602/