Обработка текста
Вы можете быстро получить необходимый Вам текст или другие данные с веб-страницы, используя броузер lynx и grep, или другие инструменты для обработки текста. lynx может сформировать дамп содержимого веб-страниц двумя способами: только текст страницы, или полный дамп HTML источника страницы.
Чтобы извлечь текст веб-страницы с разметкой HTML , вы можете использовать опцию -dump подобно этому:
lynx -dump «http://www.webbot.org.ua/»Если вы хотите получить полный исходный код, вы можете использовать опцию -source :
lynx -source «http://www.webbot.org.ua/»Вы можете затем передавать полученный вывод веб-страницы в grep и sed подобно этому:
lynx -source «http://www.webbot.org.ua/» | grep -o ‘ваше регулярное выражение здесь’ | sed ‘s/здесь html tags//g’В вкратце разберём последовательность происходящего: Читать далее “Парсим текст с веб-страницы, используя броузер lynx и grep” »
