Frage zu grep! Wie kann ich den Teil eines Textes zwischen 2 bekannten Zeichen (">" und "<") ausgeben?

egrep

EDIT: Die spitzen Klammern sind zu wenig für den RegExp, weil Du dann die halbe HTML-Datei matchst. Du brauchst bessere "Anfasser".

Hi,

das geht so:

echo "bla bla bla <p>Mein Text</p> bla bla bla" | sed "s|.*<p>\(.*\)</p>.*|\\1|"

oder wenn es wirklich nur die Beiden Zeichen < und > sein sollen, dann halt so:

echo "bla bla bla <p>Mein Text</p> bla bla bla" | sed "s|.*>\(.*\)<.*|\\1|"

wenn aber mehrere <, > Zeichen in einer Zeile vorkommen muss der Ausdruck noch etwas genauer werden. Wenn Der Text mehrzeilig ist, musst Du zuvor die gewünschte Zeile per grep heraussuchen, z.B. so:

echo "bla bla bla <p>Mein Text</p> bla bla bla" | grep "<p>" | sed "s|.*<p>\(.*\)</p>.*|\\1|"

Claus

Zitat

ich versuche gerade aus einer html Datei mir einen Teil "herauszufischen"!

Ok, aber dafür solltest Du nicht grep nehmen.

Perl wäre die erste Wahl, php und andere gehen aber auch.

In einer HTML-Datei kann sich der gewünschte Text ja über mehrere Zeilen erstrecken ...
Grep ist eher für zeilenbasierte Suche geeignet.

Allerdings aufpassen mit den Suchmustern! Bei HTML können gleiche Tags ja geschachtelt vorkommen, also gut überlegen, was Du rausziehen möchtest.

Gruß Gero

Ich benutze meist PHP, dabei entweder preg_match oder bei mehreren Vorkommen preg_match_all (http://php.net/manual/en/function.preg-match-all.php).

Beispiele aus einem alten Skript von mir: https://github.com/hpingel/yap…lling_provider/dusnet.php

Gruß
hepi

Macht man das nicht mit xslt?

Gerald

Zitat von gda

Macht man das nicht mit xslt?

Funktioniert das nicht nur wenn die Webseiten fehlerfrei sind Da würde ich jetzt erstmal spontan nicht von ausgehen.

Wenn die Seite doch garantiert fehlerfrei ist dann wäre es vermutlich am einfachsten sich für die Sprache der Wahl nen brauchbaren HTML Parser zu schnappen, der bietet dann Direktzugriff auf alle Elemente.

cu

Zitat von Keine_Ahnung

Funktioniert das nicht nur wenn die Webseiten fehlerfrei sind Da würde ich jetzt erstmal spontan nicht von ausgehen.

Stimmt, hat oft nicht viel mit XML zu tun.

Gerald

Der konkrete Anwendungsfall legt nicht unbedingt die Nutzung eines Regex als sinnvolle Lösung nahe. Das wird in der Praxis eh nicht funktionieren, es wird eher auf ein manuelles Nachschlagen hinauslaufen.

EDIT: Ich muss mich korrigieren, das Posting wird wohl schon seit mehreren Jahren immer wieder an der gleichen Stelle aktualisiert.

Gruß
hepi

Ok, und nach dem ganzen rumgewurstel hier mit sed und xslt hier nun mal der saubere Oneliner

$ echo 'foo>test</bar' | grep -Po '(?<=>)[^<]+(?=<)'

• -P: Perl-compatible regular expression
• -o: Only matching part
• (?<=> string preceded by '>' (look behind)
• [^<]+: any character but <
• (?=< string followed by '<' (look ahead)

Und falls es nur der erste Match sein soll, füge noch ein '-m1' hinzu. Ich finde ja, dass look ahead und look behind viel zu wenig Beachtung finden

Edit: Falls der gesuchte String über mehrere Zeilen verteilt sein kann, hilft noch ein zusätzliches '-z' in den grep-Optionen

Edit 2 @ Hepi: Die [code]-Umgebung und ein Copy&Paste-Fehler hat mir die Syntax kaputt gemacht Habs korrigiert, danke für den Hinweis!

Cybso hat den entscheidenden Hinweis mit look ahead und look behind gegeben. Leider hat er seinen String aber syntaktisch falsch gepostet oben. EDIT: Mittlerweile korrigiert.
Richtig ist:

echo '<foo>test</bar>' | grep -Po '(?<=>)[^<]+(?=<)'

Und das hier löst das Problem:

wget -O - "http://www.die-url-die-Uwe-oben-wieder-geloescht-hat.com | grep -Po '(?<=codecontent\">)[^<]+(?=<\/div>)'

EDIT: Uwe, war Dir die URL zu heiß? Hast Du sie wieder gelöscht aus Deinem Posting?

Gruß
hepi

Zitat von Keine_Ahnung

Funktioniert das nicht nur wenn die Webseiten fehlerfrei sind Da würde ich jetzt erstmal spontan nicht von ausgehen.

Eine Möglichkeit wäre, den Quelltext in XHTML zu konvertieren (-asxhtml bzw. output-xhtml: yes), bevor man XSLT darauf loslässt.

Wer so ein Problem mit XSLT lösen will, hat zuviel Zeit.

Gruß
hepi

Gesendet von meinem HTC Desire mit Tapatalk

XSLT hätte immerhin den Vorteil, dass verschachtelte Elemente, Zeichenreferenzen, usw. vergleichsweise einfach zu handhaben sind. Mit grep (bzw. sed) macht das echt keinen Spaß.