如何用Bash脚本提取文本文件中重复HTML TH标签的内容

下面提供几种简单高效的命令行方法，帮你把目标标签里的内容提取到bash数组或变量中：

方法1：grep + sed 组合提取 #

先筛选出目标行，再剥离HTML标签提取内容：

# 将提取到的值存入bash数组
values=($(grep '<th scope="col" class="text-center">' email_resp.txt | sed 's/.*<th scope="col" class="text-center">\(.*\)<\/th>.*/\1/'))

• grep 负责过滤出所有包含目标标签的行
• sed 通过正则表达式捕获标签包裹的内容，把整行替换成捕获到的部分
• 最终结果直接存入数组values，后续可通过${values[0]}、${values[1]}...逐个访问

方法2：awk一步到位提取 #

利用awk的字段分隔功能，直接拆分标签并提取内容：

values=($(awk -F '<th scope="col" class="text-center">|</th>' '/<th scope="col" class="text-center">/{print $2}' email_resp.txt))

• 把的起始标签和结束标签设为分隔符
• 匹配到目标行时，打印第二个字段（也就是标签中间的内容）
• 结果同样存入数组

方法3：纯sed实现提取 #

用sed的匹配替换功能直接完成筛选和提取：

values=($(sed -n 's/.*<th scope="col" class="text-center">\(.*\)<\/th>.*/\1/p' email_resp.txt))

• -n 参数让sed只输出处理后的匹配行
• 正则捕获标签内的内容，替换整行后打印结果

如何使用提取到的数组 #

遍历所有值：

for val in "${values[@]}"; do
    echo "提取到的值：$val"
done

单独访问指定位置的值：

echo "第一个统计值：${values[0]}"
echo "第二个统计值：${values[1]}"

内容的提问来源于stack exchange，提问作者Fadyboy