如何用Bash提取目标HTML内容？为何捕获<tr>标签失败？

为什么你的grep脚本抓不到目标<tr>标签？ #

• grep默认按单行匹配：你的HTML里<tr>和</tr>之间是多行内容（包含换行、缩进），而grep默认正则模式中，.不会匹配换行符，.*只能匹配当前行内的内容，所以无法匹配跨多行的<tr>...</tr>区块。
• 正则基础模式的局限性：原生grep的基础正则不支持跨行匹配，必须启用特定选项才能处理换行场景。

修复脚本的几种方法 #

方法1：启用grep的跨行匹配模式 #

修改grep命令，添加-z选项（将输入视为以null分隔的内容，实现跨行匹配），同时用-oP启用Perl兼容正则（支持非贪婪匹配，避免误匹配多个<tr>区块）：

#!/bin/bash
HTML_FILE="html_content.html"
tr_tag=$(grep -zPo '<tr>.*?blue.*?</tr>' "$HTML_FILE")
echo "$tr_tag"

方法2：用sed实现跨行匹配 #

sed天然支持多行内容处理，用以下命令提取包含blue的<tr>区块：

sed -n '/<tr>/,/<\/tr>/{H;${x;/blue/p;}}' html_content.html

更稳妥的方案：用专门的HTML解析工具 #

正则处理HTML极易因标签格式变化（比如属性顺序、换行、缩进）失效，推荐用专业工具：

• xmllint（系统自带XML/HTML解析工具）：

xmllint --html --xpath '//tr[td[text()="blue"]]/td[1]/a/@href' html_content.html 2>/dev/null

• pup（轻量HTML解析工具，需单独安装）：

cat html_content.html | pup 'tr:has(td:contains("blue")) td:first-child a attr{href}'

内容的提问来源于stack exchange，提问作者membersound