Como extrair conteúdo div usando grep?

Question

Eu preciso extrair conteúdo div específico dentro do arquivo.

O conteúdo é o seguinte.

<div class="container">
    <div class="row">
        <div class="col-2">One of three columns</div>
        <div class="col-6">
            <p>One of three columns</p>
        </div>
        <div class="col-4">One of three columns</div>
    </div>
</div>

O seguinte conteúdo precisa ser extraído.

<div class="col-6">
    <p>One of three columns</p>
</div>

Eu tento fazer isso.

cat test.html | tr -d '\n\t' | grep -o "<div class=\"col-6\">.*<\/div><div class=\"col-4\">"

Retorne da seguinte forma.

<div class="col-6"><p>One of three columns</p></div><div class="col-4">

Como removo as partes antes e depois do conteúdo?

<div class="col-6">...</div><div class="col-4">

Agradeço antecipadamente!

Answer 1

Usargrep -A

$ grep -A 2 'class="col-6"' test.html | sed -n 2p
        <p>One of three columns</p>

De man grep:

-A NUM, --after-context=NUM
Imprima NUMlinhas de contexto à direita após as linhas correspondentes.

ou use awk:

$ awk '/class="col-6"/{getline; print $0}' test.html
        <p>One of three columns</p>

---

Nota: Isso funciona apenas se a estrutura permanecer exatamente como sua entrada de teste. Em geral, eu sempre preferiria um analisador xml / html adequado.

por exemplo python:beautifulsoup

$ python3 -c '
from bs4 import BeautifulSoup
with open("test.html") as fp:
    soup = BeautifulSoup(fp)
print(soup.findAll("div", {"class":"col-6"})[0].findAll("p")[0])'
<p>One of three columns</p>

Ou usando xmlstarletassim:

$ xmlstarlet sel -t -m '//div[@class="col-6"]' -c './p' -n test.html
<p>One of three columns</p>