用sed 提取一对 html 标签之间的内容
作者：shen 发布时间：May 27, 2011 分类：Shell
比如有一段html代码如下：
<h3 class=a>ABCD</h3>abc<span>1234<span class=b>EF</span>5678</span>
想要提取ABCDEF ，可以使用sed的模式替换，即将向提取的内容保存到模式中
首先需要提取h3标签之间的内容，然后提取内层的span之间的内容。
代码如下：
echo "<h3 class=a>ABCD</h3>fdffd<span>1234<span class=b>EF</span>5678</span>"|\
sed 's/.*<h3 class=a>\(.*\)<\/h3>.*<span class=b>\([^\(<\/span>\)]*\)<\/span>.*/\1\2/'
#由于有两层span ，所以在<span class=b>和<\/span>之间不能有<\/span>，所以使用[^\(<\/span>>\)]*
对于嵌套的() ，模式顺序是先外层，后内层，例如：
echo "0123abc456defg" |sed 's/[0-9]*\([a-z]\{2\}\(.*\)[0-9]\)[a-z]*/\2 - \1/g'
sed的模式中圆括号和花括号都要加反斜杠 \ 转义。
显示c45 - abc456
外层括号匹配数字之后，字母之前，中间含有字母和数字的子字符串，在替换串中用 \1 表示，结果为abc456
内层括号匹配外层串abc456中两个字母之后，一个数字之前的子串，在替换串中用 \2 表示，结果为c45
这种方法错误，[^\(<\/span>\)]不能匹配非<\/span>