如何用Bash解析含class=error的tr标签HTML并提取指定文本

为什么sed没成功？ #

sed默认是逐行处理的，而你的目标内容（区块、标签）跨多行分布，普通sed命令无法跨上下文匹配；另外HTML标签的格式（比如空格、换行、属性顺序）可能变化，用正则硬匹配HTML很容易失效，这就是你返回空值的原因。

推荐方案：用专门的HTML解析工具 #

处理HTML最可靠的方式是用支持DOM/CSS选择器/XPath的工具，以下是两种常用方案：

1. 使用xmllint（多数Linux系统默认预装）

xmllint是libxml2工具集的一部分，支持HTML解析和XPath查询：

# 从input.html中提取目标文本
xmllint --html --xpath '//tr[@class="error"]/td[1]/a/text()' input.html 2>/dev/null

• --html：告诉xmllint处理HTML格式（而非严格XML）
• --xpath：指定查询路径，精准定位到class为error的下第一个里的标签文本
• 2>/dev/null：屏蔽HTML非标准格式带来的无关警告

# 安装方式（以Debian/Ubuntu为例）
sudo apt install pup
# 提取目标文本
pup 'tr.error td:first-child a text{}' input.html

应急方案：用sed跨多行匹配（不推荐） #

如果临时无法安装工具，可以用sed的多行匹配功能，但仅适用于格式固定的HTML：

sed -n '/<tr class="error">/,/<\/tr>/ { /<a.*>/ s/.*<a[^>]*>\(.*\)<\/a>.*/\1/ p }' input.html

• /<tr class="error">/,/<\/tr>/：锁定目标的整个区块
• /<a.*>/：在区块内匹配包含的行
• s/.*<a[^>]*>\(.*\)<\/a>.*/\1/：提取标签内的文本
• 局限性：如果标签跨多行、或有特殊属性，该命令会失效