单条awk命令提取指定网页内容并合并指定行

直接用这条标准awk命令就能完成需求：

awk '/Downstream Channel Status/{in_target=1} in_target {
    gsub(/^[[:space:]]+/, "")
    if (/<tr align='\''center'\''>/) {
        in_tr=1
        line=""
        next
    }
    if (/^<\/tr>/) {
        in_tr=0
        print line
        next
    }
    if (in_tr) {
        line = line $0
    } else if (/<\/table>/) {
        exit
    }
}' File

工作原理 #

• 锁定目标表格：一旦匹配到Downstream Channel Status，就开启in_target标记，只处理这个表格范围内的内容。
• 清理行首空白：对目标区域内的所有行，自动去掉开头的空格、制表符等空白字符，规整内容格式。
• 合并内的内容：
  • 碰到<tr align='center'>时，开启in_tr标记，初始化空变量准备拼接内容，同时跳过当前标签行。
  • 碰到</tr>时，关闭in_tr标记，把拼接好的内容打印出来，再跳过当前标签行。
  • 在in_tr标记生效期间，把每一行的内容持续拼接到同一个变量中，自然移除了换行符。
• 及时终止处理：当匹配到目标表格的结束标签</table>时，直接退出awk，不再处理后续无关内容。

内容的提问来源于stack exchange，提问作者L3nny5