Bash парсинг html кода

да, возможность такая есть

поищи в вебдевелопменте тему в которой парсили гуглемаркет, чтоли, по 100500 раз одно и тоже писать лень

http://stackoverflow.com/questions/1732348/regex-match-open-tags-except-xhtml...

>html
>регулярных выражениях

А всё потому что
>bash

Пиши на нормальном языке и таких вопросов не возникнет.

питон с его lxml отлично подошел. Только он парсит 1 параметр, ну т.е одну улицу, а если их будет к примеру 3 или больше то как быть?

http://www.rtfiber.com.tw/~changyj/sed/str_multiline_matching_r.html

1) выдёргивать из html`я можно либо внешним скриптом через dom, либо преобразовав xslt в нужный вид. Остальное - от лукавого :)

2) если всё-таки «от лукавого» : убиваем из фрагмента sed`ом все теги

cat fragment.txt | sed -r 's/([[:space:]]*<[^>]+>[[:space:]]*)+/:/g;s/:+/:/g'

:Мурашкинская улица:Совнаркомовская улица → Московское шоссе, Должанская улица:Средняя скорость:9 км/ч:Длина:218 м.:улица Звездинка:Средняя скорость:8.7 км/ч:Длина:357 м.:

Спасибо, сделал через

sed -r 's/<[^<]*>//g'

Совнаркомовская улица → Московское шоссе, Должанская улица
Средняя скорость: 9 км/ч
Длина: 218 м.

и так для всего файла

может вы приведёте уже _весь_ файл ?

я просто не вижу смысла весь его приводить, потому что те 2 строки которые я написал дальше просто повторяются, менятся соответсвенно только название улицы, скорость движения и расояние. По сути выше способы работают, мне просто осталось отформатировать вывод sed.

я просто не вижу смысла весь его приводить, потому что те 2 строки которые я написал дальше просто повторяются

и вы умеете корректно их разделять ? и в начале html нет больше ничего, что может сбить предложенный костыль ??

ps. может тривиальный links -dump решает 90% ваших проблем. Просто гляда на приведённый _кусок_ html я лично не могу представить как он отрендериться в текст.

Страница - http://www.doroga.tv/nnov/ Кусок кода который меня интересует начинается с <div id=«hot_jams»> к этому коску можно придти с помощью awk. Там идет хтмл код, 2 строки из этого кода я приводил выше. Мне нужно этот код преобразовть в шаблон Улица:
Скорость движения:
Протяженность:

т.е Совнаркомовская улица → Московское шоссе, Должанская улица
Средняя скорость: 9 км/ч
Длина: 218 м.
и т.д до конца блока <div id=«hot_jams»></div>

а ничё так что этот блок подгружается через ajax ? вы уж тогда возьмите исключительно загружаемую часть, без внешней шелухи

Загружаемая часть все равно будет в хтмл, по сути это

python -c "from lxml.html import fromstring as f;import sys;print '\\n'.join(x.text_content() for x in f(sys.stdin.read().decode('utf-8')).cssselect('div')[2:5])"

http://stackoverflow.com/a/1732454