Как извлечь данные из <td> cols в массив с помощью bash?

Question

Мне удалось извлечь данные с веб-сайта, а затем получить соответствующие данные с извлеченной веб-страницы. Теперь я зациклился на том, как извлекать данные из <td> cols. в массив для обработки данных?

Мой извлеченной HTML выглядит следующим образом:

   <tbody> 

        <tr> 
        <td>abc3207</td> 
<td>151</td> 
<td>Lorem Ipsum</td> 
<td>Off Campus</td> 
<td>OFF</td> 
<td>12 of 999 </td> 
<td>&nbsp;</td> 
<td>&nbsp;</td> 
<td><a href="http://lorem.com/test?id=abc3207&amp;year=2015" target="_blank">Get</a></td> 

        </tr> 

        <tr> 
        <td>abc3207</td> 
<td>151</td> 
<td>Dolor Sit Amet</td> 
<td>Mount Lawley</td> 
<td>ON</td> 
<td>45 of 999 </td> 
<td><a href="http://lorem.com//lookup?sq_content_src=asas">Activity</a></td> 
<td>&nbsp;</td> 
<td><a href="http://lorem.com/test?id=abc3207&amp;year=2015" target="_blank">Get</a></td> 

        </tr> 

       </tbody> 

Я делаю это с помощью Баш скрипт, как я должен делать это только через Баш.

Answer 1

Чтобы разобрать html или xml, лучше использовать специальные средства командной строки как xmlstarlet или xmllint.

Но с HTML образца, вы можете попробовать это:

mapfile td < <(sed -n 's/[\t ]*<td[^>]*>\(.*\)<\/td>/\1/p' file) 
for td in "${td[@]}"; do 
    printf "$td" 
done 

SED извлекает все содержимое тд и передать результат в файле проекта с помощью process substitution.

mapfile хранит каждую строку подстановкой процесса в переменной массива с именем $td.

Он будет работать с простой HTML с:

• один td тегов в строке
• открытия и закрытия td на одной линии