Unix中找到特定文本模式后截断文件剩余内容的方法

用 sed 处理（最常用） #

默认sed是逐行处理的，所以你之前的.*只能匹配到行尾。要截断到文件末尾，试试这几种写法：

1. 直接删除"Check list"所在行及之后的所有内容 #

sed '/Check list/,$d' your_html_file.html

• /Check list/：定位到包含该字符串的行
• ,$d：删掉从该行到最后一行的所有内容

2. 保留"Check list"所在行，只删后面的内容 #

如果想留下目标行，用这个更高效的写法：

sed -n '1,/Check list/p' your_html_file.html

• -n：只打印指定范围的内容
• 1,/Check list/p：输出从第一行到包含"Check list"的行的全部内容，自动截断后续部分

用 awk 处理 #

awk写起来更简洁，两种场景：

1. 不保留"Check list"所在行 #

awk '/Check list/{exit}1' your_html_file.html

• 碰到含"Check list"的行就直接退出，之前的所有行会被打印出来

2. 保留"Check list"所在行 #

awk '1;/Check list/{exit}' your_html_file.html

• 先打印当前行，再判断是否退出，所以目标行会被保留

一步完成下载+截断+提取数据 #

不用先存文件，直接把wget的输出通过管道传给处理命令，再做grep：

wget -qO- "http://你的目标网址" | sed -n '1,/Check list/p' | grep "你要提取的模式"

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