Linux Bash：轻松删除 HTML 表数据块

Question

我有一个使用 bash 脚本处理的 html 文件，并且想要删除空表。该文件是从 sql 语句生成的，但在未找到记录时包含表头。我想删除没有找到记录的标题。

<table border="1">
  <caption>Table with data</caption>
  <tr>
    <th align="center">type</th>
    <th align="center">column1</th>
    <th align="center">column2</th>
    <th align="center">column3</th>
    <th align="center">column4</th>
   </tr>
   
   Data rows exists here
   
  </table>

<table border="1">
  <caption>Empty Table To Remove</caption>
  <tr>
    <th align="center">type</th>
    <th align="center">column1</th>
    <th align="center">column2</th>
    <th align="center">column3</th>
    <th align="center">column4</th>
    <th align="center">column5</th>
    <th align="center">column6</th>
    <th align="center">column7</th>
  </tr>
</table>

<table border="1">
  <caption>Table with data</caption>
  <tr>
   <th align="center">type</th>
    <th align="center">column1</th>
    <th align="center">column2</th>
    <th align="center">column3</th>
    <th align="center">column4</th>
   </tr>
     Data rows exists here
  </table>

我尝试使用 grep 和 sed 的组合来删除空表。当表包含相同数量的列时，我能够完成此任务。我现在遇到了一些问题，因为我的表的列数不同。

当表具有相同数量的列时，我能够根据标题进行循环，进行计数，然后删除。由于列数不同，这不起作用。

Answer 1

像这样，使用 xmlstarlet 和 xpath：

$ xmlstarlet format -H file.html | sponge file.html
$ xmlstarlet ed -d '//table[./caption/text()="Empty Table To Remove"]' file.html 



  
    

Data rows exists here

Table with data

type	column1	column2	column3	column4

Data rows exists here

Table with data

type	column1	column2	column3	column4

要在 sed -i 等位置进行编辑，请使用

xmlstarlet edit -L ...

没有解释，但是不要使用sed或regex来解析HTML/XML