Re: [shell-script] Remover tags html, mas deixar o endereço do Link

[Rodrigo Boechat]

Tiago,
Obrigado.
O lynx --dump atendeu perfeitamente o que eu precisava.

Obriado também por me relembrar. Foi um erro básico que eu criei sem me 
dar conta.

:)

Em 02-12-2011 20:46, Tiago Peczenyj escreveu:
> faça assim
>
> sed 's/\ //g'
>
> quando vc coloca entre [ e ] isso significa qualquer caracter dentro desses
> caracteres
>
> ou seja, tanto n quanto b quanto s ou p...
>
> Porém vc ja tentou utilizar o lynx com a opcao --dump? acho que ele
> encontra todos os links e coloca no final... de uma olhada.
>
> 2011/12/2 Rodrigo Boechat<address@hidden>
>
> > **
> >
> >
> > Pessoal,
> >
> > Estou com uma encrenca braba para resolver.
> > No meu serviço fizeram uma "Base de Conhecimento" em html no WORD!!!!!
> > Agora eu preciso limpar a bagaça toda que o word fez no html para
> > refazer a base.
> > Eu consegui remover todas as tags com o comando abaixo, mas ele gerou
> > dois problemas que eu não sei como resolver:
> >
> > cat menuinstallconteudo.htm | tr "\r" " " | tr "\n" " " | sed -e
> > "s/<[^>]*>//g;s/[&nbsp;]//g">  teste2.htm
> >
> > Primeiramente é que o comando removeu todas as letras "n" do arquivo.
> > Não consegui compreender o porque...
> > O segundo é que eu preciso do valor do HREF das tags<a>...
> >
> > Não me importa como será a saída, desde que o link esteja próximo do texto.
> > Exemplos:
> >
> > texto texto.link texto2 texto2.link texto3 texto3.link
> >
> > ou
> > texto1 texto1.link
> > texto2 texto2.link
> >
> > ou
> > texto1.link texto1
> > texto2.link texto2
> >
> > Segue um exemplo da encrenca que eu estou enfrentando:
> > <p class=MsoNoSpacing
> > style='margin-left:36.0pt;text-indent:-18.0pt;line-height:
> > 115%;mso-list:l0 level1 lfo2'><![if !supportLists]><span
> > style='font-family:
> > Symbol;mso-fareast-font-family:Symbol;mso-bidi-font-family:Symbol'><span
> > style='mso-list:Ignore'>·<span style='font:7.0pt "Times New
> > Roman"'>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;
> > </span></span></span><![endif]><span
> > style='font-size:10.0pt;line-height:115%;
> > font-family:"Verdana","sans-serif"'><a
> > href="../install/I-7ZIP.doc">7-ZIP</a></span><span
> > style='font-family:"Verdana","sans-serif"'><o:p></o:p></span></p>
> >
> > Tags multi linhas e uma confusão difícil de compreender. E há parágrafos
> > ainda mais confusos, dependendo da quantidade de vez que ele foi editado...
> >
> > [As partes desta mensagem que não continham texto foram removidas]