Удалить ссылки из текстового файла

Question

Как удалить ссылки из необработанного HTML-текста? У меня есть:

Foo bar <a href="http://www.foo.com">blah</a> bar foo 

и хотите получить:

Foo бар бла-бар Foo

впоследствии.

Answer 1

Вы ищете синтаксический анализ HTML с регулярными выражениями и this won't work in all but the simplest cases, так как HTML не является регулярным. Более надежным решением является использование парсера HTML. Многочисленные существуют для многих разных языков.

Answer 2

попробуйте:

sed -e 's/<a[^>]*>.*<\/a>//g' test.txt 

Answer 3

sed -re 's|<a [^>]*>([^<]*)</a>|\1|g' 

Но ответ Брайана прав: Это должно быть использовано только в самых простых случаях.

Answer 4

$ echo 'Foo bar <a href="http://www.foo.com">blah</a> bar foo' | awk 'BEGIN{RS="</a>"}/<a href/{gsub(/<a href=\042.*\042>/,"")}1'

Foo бар бла бар Foo