如何降低HTML标记，从非常大的多行文本文件与使用Perl，awk或者sed内容？ [英] How to cut html tag from very large multiline text file with content with use perl, sed or awk?

问题描述

我想要改造这个文本（删除＆LT;数学＆GT; *＆LT; /数学＆GT; ？）使用sed，awk的或Perl：

  {|
|  - 
|列跨度=2|
：其中，数学＆GT;
[\\ underbrace {\\颜色{红} 4,2} _ {4是H. 2}，5,1,7] \\ RIGHTARROW
[2，\\ underbrace {\\颜色{OliveGreen} -4,5-} _ {4℃; 5}，1,7] \\ RIGHTARROW
[2,4，\\ underbrace {\\颜色{红} 5,1} _ {5是氢。 1}，7] \\ RIGHTARROW
[2,4,1，\\ underbrace {\\颜色{OliveGreen} -5,7-} _ {5℃ 7}]
＆LT; /数学＆GT;
|  - 
|
：其中，数学＆GT;
[\\ underbrace {\\颜色{OliveGreen} -2,4-} _ {2'; 4}，1,5，{\\ {色蓝} 7}] \\ RIGHTARROW
[2，\\ underbrace {\\颜色{红} -4,1-} _ {4是H. 1}，5，{\\ {色蓝} 7}] \\ RIGHTARROW
并[2,1，\\ underbrace {\\颜色{OliveGreen} -4,5-} _ {4℃; 5}，{\\ {色蓝} 7}]
＆LT; /数学＆GT;
：其中，数学＆GT;
[\\ underbrace {\\ {色红}} 2,1 _ {2  - ; 1}，4，{\\ {色蓝} 5}，{\\ {色蓝} 7}] \\ RIGHTARROW
[1，\\ underbrace {\\颜色{OliveGreen} -2,4-} _ {2'; 4}，{\\ {色蓝} 5}，{\\ {色蓝} 7}]
＆LT; /数学＆GT;
：其中，数学＆GT;
[\\ underbrace {\\ {颜色} OliveGreen 1,2} _ {1＆LT; 2}，{\\ {色蓝} 4}，{\\ {色蓝} 5}，{\\ {色蓝} 7}]
＆LT; /数学＆GT;
|}
 

到这样的文本（请原谅我，如果我删除太多 - 我应该删除＆LT;数学＆GT; *＆LT; /数学＆GT; ？）：

  {|
|  - 
|列跨度=2|
：
|  - 
|
：
：
：
|}
 

我读到第20页和测试脚本，10，但没有很好的效果。最好的我做的是：

 猫污垢math.txt | awk的'/＆LT;数学＆GT; / {切= 1;打印;} /＆LT; \\ /数学＆GT;！/ {切= 0}腰斩
 

不管它不能正常工作，因为左派＆LT;数学＆GT;＆LT; /数学＆GT; 这是不坏，但我不知道awk来进一步提高它。

解决方案

如果所有的数据都这么好听格式化为你的榜样，那么你的解决方案是非常接近的。我修改了它只是稍微

在AWK：

 子（/＆LT;数学方式＆gt; * /，）{打印;切= 1}
/＆LT; \\ /数学＆GT; / {切= 0;下一个}
！切
 

I want to transform this text (remove <math>.*?</math>) with sed, awk or perl:

{|
|-
| colspan="2"|
: <math>
[\underbrace{\color{Red}4,2}_{4 > 2},5,1,7] \rightarrow
[2,\underbrace{\color{OliveGreen}4,5}_{4 < 5},1,7] \rightarrow
[2,4,\underbrace{\color{Red}5,1}_{5 > 1},7] \rightarrow
[2,4,1,\underbrace{\color{OliveGreen}5,7}_{5 < 7}]
</math>
|-
|
: <math>
[\underbrace{\color{OliveGreen}2,4}_{2 < 4},1,5,{\color{Blue}7}] \rightarrow
[2,\underbrace{\color{Red}4,1}_{4 > 1},5,{\color{Blue}7}] \rightarrow
[2,1,\underbrace{\color{OliveGreen}4,5}_{4 < 5},{\color{Blue}7}]
</math>
: <math>
[\underbrace{\color{Red}2,1}_{2 > 1},4,{\color{Blue}5},{\color{Blue}7}] \rightarrow
[1,\underbrace{\color{OliveGreen}2,4}_{2 < 4},{\color{Blue}5},{\color{Blue}7}]
</math>
: <math>
[\underbrace{\color{OliveGreen}1,2}_{1 < 2},{\color{Blue}4},{\color{Blue}5},{\color{Blue}7}]
</math>
|}

Into such text (please forgive me if I remove too much - I should remove <math>.*?</math>):

{|
|-
| colspan="2"|
: 
|-
|
: 
: 
: 
|}

I read about 20 page and tested 10 scripts but without good results. The best what I do is:

cat dirt-math.txt | awk '/<math>/{cut=1; print;}/<\/math>/{cut=0}!cut'

Whatever it not works correctly since lefts <math></math> it is not bad but I do not know awk to improve it more.

解决方案

If all data is so nicely formatted as in your example, then your solution is very close. I modified it only slightly

in AWK:

sub(/<math>.*/, "") {print; cut=1}
/<\/math>/          {cut=0; next}
!cut

这篇关于如何降低HTML标记，从非常大的多行文本文件与使用Perl，awk或者sed内容？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！