sslug-teknik team mailing list archive

Thread
Date

Re: gawk problem

To: sslug-teknik@xxxxxxxx
From: Frank Damgaard <frda@xxxxxxxxxxxxx>
Date: Thu, 24 Jan 2002 16:01:46 +0100
Delivered-to: mailing list sslug-teknik@xxxxxxxx
In-reply-to: <002001c1a4e2$d45ccbe0$0200000a@kim>; from Kim Hermansen on Thu, Jan 24, 2002 at 15:24:22 +0100
Mailing-list: contact sslug-teknik-help@xxxxxxxx; run by ezmlm

On Thu, Jan 24, 2002 at 15:24:22 +0100, Kim Hermansen wrote:

> Jeg prøver at fjerne alt der står inden for < > i en html, for så at putte det ud i 
> en txt fil.
> På nuværende tidspunkt er der prøvet et par forskellige "angrebs" vinkler, men de
> ser desværre ud til at have det samme resultat.
> 
> Første forsøg: gawk  '{ gsub(/<.*>/,""); print }'
> Andet forsøg: sed s/"<.*>"//g

og lynx -dump kunne ikke anvendes ?

Tilbage til awk/ regular expressions:

Du skal i hvertfald passe på med .* da den matcher ALT.
I stedet bør du bruge /<[^>]*>/
Og du får problemet med html tags og kommentarer der går over flere linier,
det skal evt. også løses hvis det er et problem.
Og måske du skal se lidt på hvilke TAGS der findes, f.eks.
dem før <body> osv.

-- 
mvh Frank Damgaard  | http://home3.inet.tele.dk/frda/

References

RE: gawk problem
From: Kristian . Hogh, 2002-01-23
Re: gawk problem
From: Kim Hermansen, 2002-01-23
Re: gawk problem
From: Kim Hermansen, 2002-01-24