文本抽取问题

bingyuan

有很多文件，内容结构如下：

<doc>
<url>http://xxxxxxx...</url>
<docID>xxxxxxxxxxxx</docID>
<content>yyyyyyyyyy</content>
<doc>

每5行一组，现在要将每组的第四行<content>yyyyyyyyyy</content>两个标签之间的的内容(蓝色部分yyyyyyyyyy)提取出来。

我查了sed和awk，只查到修改或者删除，不知道怎么抽取内容，请各位朋友帮忙，谢谢！

lastart

2. sed -n '/<content>/s#</\?content>##gp' 文件名

复制代码

bingyuan

Post by lastart;2107782

1. 
   
2. sed -n '/<content>/s#</\?content>##gp' 文件名
   

复制代码

大牛可否解释一二，s#这个符号我从来没有见过；
</\?content>什么意思，后面两个#又是什么意思？

lastart

没什么，只不过因为要匹配的字符里含有符号“/”
所以就用换成#号了，换成别的也可以，没有限制：

    The syntax of the `s' (as in substitute) command is
`s/REGEXP/REPLACEMENT/FLAGS'.  The `/' characters may be uniformly
replaced by any other single character within any given `s' command.

/\?就是匹配0个或一个/

bingyuan

多谢，受教了