Linux sed识别HTML标签

在做Linux作业，遇到一题用sed替换掉文件中的特殊字符，其中HTML标签就是一大堆特殊字符。

先来说说sed的替换使用“s/待替换的字符/将替换成的字符/”。

其后还可以跟g,即“s///g”，表示全局替换，整个文本都会执行替换词。

再者，遇到相同字符串中含有大小字母，忽略大小字母进行替换，则使用i，即“s///i” 。

如果遇到需要执行多个sed命令，可以使用-e，同时执行多个命令。如：sed -e "2d" -e "s/ABC/XYZ/i";

现在再来说说重点，如何替换：

1.只想单纯过滤掉html标签，显示内容： 

"s/<[^>]*>//g"

2.识别出html标签（这个要换成与html标签对应的字符）：

下面的是一些对应字符替换

　　 s/<title>/.TL\n/g

　　s/</title>//g
　　s/<author>/.AU\n/g
　　s/</author>//g
　　s/<institution>/.AI\n/g
　　s/</institution>//g
　　s/<abstraction>/.AB/g
　　s/</abstraction>/.AE/g
　　s/<i>/.I /g
　　s/</i>/\n/g
　　s/<h1>/.NH\n/g
　　s/</h1>//g
　　s/<p>/.PP/g
　　s/</p>//g
　　s/<foot>/.FS/g
　　s/</foot>/.FE/g
　　s/<li>/.IP/g
　　s/</li>//g
　　s/<quote>/.QP/g
　　s/</quote>//g
　　s/<table>/.TS/g
　　s/</table>/.TE/g
　　s/<equation>/.EQ/g
　　s/</equation>/.EN/g
　　s/<picture>/.PS/g
　　s/</picture>/.PE/g
　　s/<pre>/.DS/g
　　s/</pre>/.DE/g