シェルスクリプトのタグ間でデータを抽出し、配列に格納しますか？

Question

私はURLから値を取得するbashスクリプトを使用することだし、それはHTMLタグ形式で値を返すです。入力：所望の出力は、上記のコードから<td>タグ間の値と変数に格納されるべき

<tr><td title='The name of the health check service.'>hc.name</td><td data-type='java.lang.String'>Replication Queue</td></tr> 
<tr><td title='The persistence identifier of the service.'>service.pid</td><td data-type='java.lang.String'>com.adobe.granite.replication.hc.impl.ReplicationQueueHealthCheck</td></tr> 
<tr><td title='The health check result'>ok</td><td data-type='java.lang.Boolean'>true</td></tr> 
<tr><td title='The health check status'>status</td><td data-type='java.lang.String'>OK</td></tr> 
<tr><td title='The elapsed time in miliseconds'>elapsedTime</td><td data-type='java.lang.Long'>18</td></tr> 
<tr><td title='The date when the execution finished'>finishedAt</td><td data-type='java.util.Date'>2017-03-24T00:23:36+0530</td></tr> 
<tr><td title='Indicates of the execution timed out'>timedOut</td><td data-type='java.lang.Boolean'>false</td></tr> 

：私はこのsedコードを使用しようとした

values=(["hc.name"]="Replication Queue" ["status"]="OK") 

、それが唯一の複数動作<td></td>タグは別々の行にあります。この場合、複数の<td></td>が同じ行にあります。私は、彼らが非貪欲マッチングをサポートしているので、あなたが、このためにPerlの正規表現を使用して、より良い運を持っているだろうと思い

<tr> 
<td>ok</td> 
<td>status</td> 
</tr> 

Answer 1

：これだけのように入力して結果を表示するコマンド

sed -n 's:.*<td>(.*)</td>.*:\1:p' sample.txt 

。ここにあなたのファイルから情報を印刷したPerlワンライナーは、次のとおりです。

perl -ne 'm:.*?<td [^>]*>(.*?)</td>.*?<td [^>]*>(.*?)</td>:; print "[\"$1\"] = \"$2\"\n";' sample.txt 

この出力は：ここでは

["hc.name"] = "Replication Queue" 
["service.pid"] = "com.adobe.granite.replication.hc.impl.ReplicationQueueHealthCheck" 
["ok"] = "true" 
["status"] = "OK" 
["elapsedTime"] = "18" 
["finishedAt"] = "2017-03-24T00:23:36+0530" 
["timedOut"] = "false" 

も作品sedの呼び出しですが、それがすべて一致したとして、これはあまり正確です>と<以外の文字は、貪欲でない一致と近似しています。これはsedではサポートされていません。

sed -n 's:.*<td [^>]*>\([^<]*\)</td><td [^>]*>\([^<]*\)</td>.*:[\"\1\"] = \"\2\":p' sample.txt 

この出力：

["hc.name"] = "Replication Queue" 
["service.pid"] = "com.adobe.granite.replication.hc.impl.ReplicationQueueHealthCheck" 
["ok"] = "true" 
["status"] = "OK" 
["elapsedTime"] = "18" 
["finishedAt"] = "2017-03-24T00:23:36+0530" 
["timedOut"] = "false" 

Answer 2

sgrepとsed方法（純sedよりも信頼性が高い）：

sgrep -o'%r"' '">" __ "<"' sample.txt | sed 's/^/["/;s/""/"/;s/"/"]="/2' 

出力：

["hc.name"]="Replication Queue" 
["service.pid"]="com.adobe.granite.replication.hc.impl.ReplicationQueueHealthCheck" 
["ok"]="true" 
["status"]="OK" 
["elapsedTime"]="18" 
["finishedAt"]="2017-03-24T00:23:36+0530" 
["timedOut"]="false"