我怎样才能提取在bash和HTML TD？(How can I extract td from ht

我从GEONAMES查询伦敦邮政编码数据：

http://www.geonames.org/postalcode-search.html?q=london&country=GB

我想转输出逼到邮编标识符（贝斯纳尔格林，伊斯灵顿等）的列表。 什么是提取只是在bash名的最好方法？

Answer 1:

我不知道，如果你的意思是这样\n分隔的列表（或一个括号和逗号分隔）

html='http://www.geonames.org/postalcode-search.html?q=london&country=GB'
wget -q "$html" -O - |
  w3m -dump -T 'text/html'|
    sed -nr 's/^ +[0-9]+ +(.*) +[A-Z]+[0-9]+ +United Kingdom.*/\1/p'

w3m是：“WWW浏览的寻呼机具有优良的表/帧支持”

输出（第一行10）

London Bridge   
Kilburn         
Ealing          
Wandsworth      
Pimlico         
Kensington      
Leyton          
Leytonstone     
Plaistow        
Poplar          

Answer 2:

我看到该网站提供的（但不是免费的），Web服务和XML或JSON数据......这将是最好的方式，因为HTML页面并不意味着被解析（容易）。

无论如何，没有什么是不可能的，但是严格使用bash的只有命令会被很多辛苦，如果不是不可能的; 经常其它几种常见的工具管道，以实现结果。 不过，有时候它变成更conveniente坚持，而不是合并猫像如Perl的一个单一的工具，grep的，AWK，sed和任何其他。

就像是

sed -e 's/>/>\n/g' region.html |
   egrep -i "^\s*[A-Z]+[0-9]+</td>" |
   sed -e 's|</td>||g'

工作中提取200行，假设代码特定的格式。

加

如果没有限制，你可以用它来分析数据的软件，那么你可以使用像线

wget -q "http://www.geonames.org/postalcode-search.html?q=london&country=GB" -O - |
     sgrep '"<table class=\"restable\"" .. "</table>"' | 
     sed -e 's|/tr>|/tr>\n|g; s|</td>\s*<td[^>]*>|;|g; s|</th>\s*<th[^>]*>|;|g; s|<[^>]\+>||g; s|;;&nbsp;.*$| |g' |
     grep -v "^\s*$" |
     tail -n+2 | cut -d";" -f2,3

其提取的地方，并通过分隔邮政编码; 就像在一个CSV，以及AWK：

wget -q "$html" -O - | 
     w3m -dump -T 'text/html' |
     awk '/\s*[0-9]+ / { print substr($0, 11, 16); }'

这是基于Peter.O答案，并提取相同的数据...等。 但是，在这种情况下，因为你不局限于在大多数Unix或GNU系统中发现的最小的工具，我会坚持到一个单一的普遍工具，如perl的。

Answer 3:

如果你有机会获得mojo从Mojolicious工程工具这一切都变得相当轻松了不少：

mojo get 'http://www.geonames.org/postalcode-search.html?q=london&country=GB' '.restable > tr > td:nth-child(2)' text | grep ^'[a-zA-Z]'

在grep末只是为了过滤掉一些垃圾的结果; 几乎（但不完全）每隔一行是坏的，因为页面结构稍有不一致。 否则，你可能会说tr:nth-child(even) ，并得到很好的结果。

文章来源: How can I extract td from html in bash?