把一个HTML文件用gawk分成从< 到 > 为一行, 应该怎么做?

yongjian

这是我从linuxsir网站源码截取的。其实要html的源码例子遍地都是，关键是处理这些源码的工具和思路。这是最值得学习的地方。如果上面的一段能够完成，举一反三不就知道如何处理了嘛。

KornLee

1. cat file|awk '{gsub(/></,">\n<")}{print}'|while read line;do
   
2.         if echo $line|grep -q -v ">$";then
   
3.                 echo $line|tr -d "\n"
   
4.         else
   
5.                 echo $line
   
6.         fi
   
7. done|\
   
8. while read line;do
   
9.         echo "$line\n"
   
10. done
    

复制代码

/home/javalee#cat file
<table cellpadding="0" cellspacing="0" border="0" bgcolor="
#000000"  width="100%" align="center"><tr><td>
<table cellpadding="4" cellspacing="1" border="0
"  width="100%">
<tr>
        <td bgcolor="#7ca3d6" width="175" nowrap><font face="verdana,
        arial, helvetica" color="#FFFFFF" class="thtcolor"></font></td>
                <td bgcolor="#7ca3d6" width="100%">



                                                                                   <!-- Thread nav
and post images -->     <table width="100%" border="0" cellpadding="

                                                                                   0" cellspacing="0">

                                                                                           <tr>


        <td width="100%"><font face="verdana, arial, helvetica" color="#FFFFFF" class="thtcolor">


   </font></td>







                                                                              <td><a href="newthread.php?s=&action=newthread&forumid=60"><img src="images/newthread.gif" border="0" alt="



                                                                              "></a></td>



                                                                                              <td><font face="verdana, arial, helvetica">&nbsp;



                                                                                              &nbsp;</font></td>











                                                                 <td><a href="newreply.php?s=&action=newreply





                                                                 &threadid=101402"><img src="





                                                                 images/reply.gif" border="0" alt=""></a></td>















                            </tr>

















                                                                                               </table><!-- /Thread nav and post images -->





















                                                        </td>










                                                        </tr>










                                                        </table>
/home/javalee#

结果:

1. <table cellpadding="0" cellspacing="0" border="0" bgcolor="#000000" width="100%" align="center">
   
2. 
   
3. <tr>
   
4. 
   
5. <td>
   
6. 
   
7. <table cellpadding="4" cellspacing="1" border="0" width="100%">
   
8. 
   
9. <tr>
   
10. 
    
11. <td bgcolor="#7ca3d6" width="175" nowrap>
    
12. 
    
13. <font face="verdana,arial, helvetica" color="#FFFFFF" class="thtcolor">
    
14. 
    
15. </font>
    
16. 
    
17. </td>
    
18. 
    
19. <td bgcolor="#7ca3d6" width="100%">
    
20. 
    
21. <!-- Thread nav and post images --> <table width="100%" border="0" cellpadding="0" cellspacing="0">
    
22. <tr>
    
23. 
    
24. <td width="100%">
    
25. 
    
26. <font face="verdana, arial, helvetica" color="#FFFFFF" class="thtcolor">
    
27. 
    
28. </font>
    
29. 
    
30. </td>
    
31. 
    
32. <td>
    
33. 
    
34. <a href="newthread.php?s=&action=newthread&forumid=60">
    
35. 
    
36. <img src="images/newthread.gif" border="0" alt="">
    
37. 
    
38. </a>
    
39. 
    
40. </td>
    
41. 
    
42. <td>
    
43. 
    
44. <font face="verdana, arial, helvetica">&nbsp;&nbsp;</font>
    
45. 
    
46. </td>
    
47. 
    
48. <td>
    
49. 
    
50. <a href="newreply.php?s=&action=newreply&threadid=101402">
    
51. 
    
52. <img src="images/reply.gif" border="0" alt="">
    
53. 
    
54. </a>
    
55. 
    
56. </td>
    
57. 
    
58. </tr>
    
59. 
    
60. </table>
    
61. 
    
62. <!-- /Thread nav and post images -->
    
63. 
    
64. </td>
    
65. 
    
66. </tr>
    
67. 
    
68. </table>
    

复制代码

qhgary

讲讲思路把，谢谢

KornLee

最初由 qhgary 发表
讲讲思路把，谢谢

我的代码很简单明了的,
cat file|awk '{gsub(/></,">\n<")}{print}'
#将文件><部分分离,
if echo $line|grep -q -v ">$";then
                echo $line|tr -d "\n"
#如果是>结尾的去掉回车,实际上基本等于把<...>部分变成了一行,(根据实际情况,没有考虑太多)
while read line;do
        echo "$line\n"
done
#在行与行之间加入空行
ps:效率差了些,估计能用! ;)