在Bash中如何提取HTML文件内指定span标签的price-amount属性值

你遇到的报错和取不到值有两个核心原因：

1. xpath工具默认仅支持严格格式的XML解析，而绝大多数真实场景的HTML页面都存在标签未闭合、属性不规范等非标准XML语法，无法直接被XML解析器识别，所以会报语法错误。
2. 你写的XPath表达式不符合需求：你要提取的是span标签的price-amount属性值，而表达式里的/text()是用来提取节点的文本内容，就算HTML格式合规也取不到目标值。

可以先通过tidy工具把非标准HTML转换为合规的XHTML格式，再用xpath解析：

• Debian/Ubuntu系安装依赖：sudo apt install tidy libxml-xpath-perl
• RHEL/CentOS系安装依赖：sudo dnf install tidy perl-XML-XPath

修改后可用的代码：

filename='./page.html'
curl -s "你的目标页面链接" > "$filename"
# 忽略tidy的格式警告，输出规范XHTML
tidy -q -asxhtml -utf8 "$filename" > "${filename}.xhtml" 2>/dev/null
# 修正xpath表达式，提取price-amount属性值
number=$(xpath -q -e 'string(//span[@id="product542"]/@price-amount)' "${filename}.xhtml")
echo "$number"
# 清理临时文件
rm -f "${filename}.xhtml"

方案1：使用pup（推荐，HTML专用解析工具） #

pup是命令行场景专门处理HTML的工具，和处理JSON的jq定位类似，不需要兼容XML语法，使用更简单：
首先安装pup：Debian/Ubuntu系可直接执行sudo apt install pup
提取代码：

# 支持管道处理，不需要存临时文件
number=$(curl -s "你的目标页面链接" | pup 'span#product542 attr{price-amount}')
echo "$number"

方案2：使用xmllint内置HTML解析器 #

不需要额外安装tidy，直接调用xmllint的HTML解析模式处理非规范页面：

number=$(curl -s "你的目标页面链接" | xmllint --html --xpath 'string(//span[@id="product542"]/@price-amount)' - 2>/dev/null)
echo "$number"

方案3：正则匹配（仅适合固定结构场景） #

如果页面结构不会变动，不想安装额外工具，可以用grep正则匹配提取，缺点是页面结构稍有变化就会失效：

number=$(curl -s "你的目标页面链接" | grep -oP 'id="product542".*?price-amount="\K[\d.]+')
echo "$number"

内容的提问来源于stack exchange，提问作者InfT