В оболочке вы можете анализировать HTML , используя:

• sed , хотя: Turing.sed Write HTML-парсер (домашнее задание) ??? Прибыль!
• hxselect из html-xml-utils package
• vim / ex (который может легко перепрыгнуть между html-тегами ), например: удаление метки стиля с помощью внутреннего кода:

  $ curl -s http://example.com/ | ex -s +'/

• grep, например: извлечение внешнего html файла H1:

  $ curl -s http://example.com/ | grep -o '
  .*
  '
  Example Domain
  

  извлечение тела:

  $ curl -s http://example.com/ | tr '\n' ' ' | grep -o '.*'
   
   
  Example Domain
   ...
  

• html2text для простого синтаксического анализа текста: например, таблицы синтаксического анализа :

  $ html2text foo.txt | column -ts'|'
  

• с использованием xpath (XML::XPath perl-модуля), см. здесь пример
• perl или Python (см. пример @Gilles )
• для разбора нескольких файлов одновременно, см. Как разбирать сотню html файлы исходного кода в оболочке?

Связанный (почему вы не должны использовать регулярное выражение):

• Если вам нравятся регулярные выражения Так много, почему вы не женитесь на них?
• Регулярные выражения: теперь у вас есть две проблемы
• Взлом HTML sanitizer stackoverflow.com HTML / / g11