如何在 Linux、macOS 或 FreeBSD 上使用 htmlq 從 HTML 文件中提取內容


儀表我們大多數人都使用愛並使用 jq 命令。 它在 Linux 或類 Unix 系統上運行，並從 JSON 文檔中提取數據。最近發現 htmlq 和 jq 一樣，是用 Rustlang 編寫的。 想像一下能夠 sed 或 grep HTML 數據。 您可以使用 htmlq 來搜索、切片和過濾 HTML 數據。讓我們看看如何在 Linux 或 Unix 上安裝和使用這個方便的工具來處理 HTML 數據。

什麼是 htmlq 工具？

類似於 jq，但用於 HTML。 使用 CSS 選擇器從 HTML 文件中提取部分內容。 CSS 使用選擇器在您想要設置樣式的網頁上搜索 HTML 元素。例如，您可以使用此工具輕鬆提取圖像和其他 URL。

在 Linux 或 Unix 上安裝 htmlq

使用 apt / apt-get 命令在 Ubuntu 或 Debian Linux 上安裝 cargo 和 rustc：
sudo apt install cargo

然後運行它。
cargo install htmlq

macOS 安裝貨物

打開終端應用程序並運行端口命令，如下所示：
sudo port install cargo

或者，您可以在 macOS 上安裝 Homebrew 並使用 brew 包管理器，如下所示：

brew install rustup # installs both cargo and rustc
rustup-init
rustc --version

FreeBSD安裝貨

使用 pkg 命令安裝 rustc，如下所示：
sudo pkg install rust

了解如何安裝 Rust 其他操作系統..你現在有一個 rustc 工具和一個 cargo 工具。然後輸入以下簡單命令以在您的開發系統上獲取 htmlq。
cargo install htmlq

設置路徑

一定要添加 $HOME/.cargo/bin 到 路徑變量 能夠使用導出命令運行已安裝的二進製文件

# sh/bash/ksh etc
 PATH="$PATH:$HOME/.cargo/bin" 
 
# tcsh/csh etc
setenv PATH $PATH:$HOME/.cargo/bin

如何在 Linux 或 Unix 上使用 htmlq 從 HTML 文件中提取內容

讓我們使用 curl 命令按 ID 搜索頁面部分。
curl -s url | htmlq '#css-selector'
curl -s url2 | htmlq '#css-selector'
curl -s https://www.cyberciti.biz/faq/ | htmlq --pretty '#content' | more

htmlq 輸出

找到頁面上的所有鏈接。例如：

curl -s https://www.nixcraft.com | htmlq --attribute href a

得到幫助

無論如何運行：
htmlq --help

htmlq 0.0.1
Michael Maclean <[email protected]>
Runs CSS selectors on HTML
 
USAGE:
    htmlq [FLAGS] [OPTIONS] <selector>...
 
FLAGS:
    -h, --help                 Prints help information
    -w, --ignore-whitespace    When printing text nodes, ignore those that consist entirely of whitespace
    -p, --pretty               Pretty-print the serialised output
    -t, --text                 Output only the contents of text nodes inside selected elements
    -V, --version              Prints version information
 
OPTIONS:
    -a, --attribute <attribute>    Only return this attribute (if present) from selected elements
    -f, --filename <FILE>          The input file. Defaults to stdin
    -o, --output <FILE>            The output file. Defaults to stdout
 
ARGS:
    <selector>...    The CSS expression to select

全部的

htmlq 無疑是一個不錯的工具，我真的很喜歡它。執行 查看 Github 源代碼..試一試，並在下面的評論部分告訴我們您喜歡什麼。

Related Posts