Linux Bash处理HTML文件：移除无数据空表格的问题求助

直接用awk处理就行，它能轻松抓取整块表格内容并做判断，完全不受列数差异影响。脚本如下：

awk '
/<table/ {
    in_table = 1
    table_block = ""
}
in_table {
    table_block = table_block $0 "\n"
}
/<\/table>/ {
    in_table = 0
    # 只要表格里有数据单元格<td>（不管带不带属性）就保留
    if (table_block ~ /<td/) {
        printf "%s", table_block
    }
}
!in_table { print }
' input.html > cleaned_output.html

脚本逻辑说明 #

1. 碰到<table标签时，标记当前进入表格块，同时初始化变量存储表格内容。
2. 在表格内部时，把每一行内容都累积到table_block变量中。
3. 碰到</table>标签时，结束表格抓取：
   • 检查表格内容里有没有<td（数据行的核心标志，不管是<td>还是带属性的<td align="center">都能匹配）。
   • 有数据单元格就输出整个表格，没有就直接丢弃这个空表格。
4. 表格以外的内容（比如表格之间的空白、其他HTML元素）直接原样输出，不会改动。

这个脚本不管表格列数多少，只要是只有表头、没数据行的表格都会被移除，完全适配你的场景。

内容的提问来源于stack exchange，提问作者user2917347