sed批量删除HTML标签的核心思路是匹配并移除成对尖括号及其内容，但因是行处理工具，无法完美解析嵌套或跨行结构，仅适合清理简单规整的HTML片段。
用 sed 批量删除 HTML 标签，核心思路是匹配并移除成对的尖括号及其内容。但要注意：sed 是行处理工具，无法完美解析嵌套或跨行 HTML 结构，适合清理简单、格式较规整的 HTML 片段（比如从网页提取纯文本摘要、清洗日志中的内联标签等）。
基础命令：删除单行内的所有标签
最常用的一条命令是：
sed 's/]*>//g'
说明：
立即学习“前端免费学习笔记（深入）”；
匹配左尖括号-
[^>]*匹配任意数量的“非右尖括号”字符（即标签内部内容，不含>） -
>匹配右尖括号 -
g表示全局替换（一行中多个标签全删）
例如：
输入：Hello <b>world</b> and <i>HTML</i>!
输出：Hello world and HTML!
处理换行标签（如 <br>、<p> 等自闭合或跨行标签）
默认正则只处理单行，若 HTML 中有换行（如 <p>\nHello</p>），需先合并多行为单行再处理，或分步清理。更稳妥的做法是两遍处理：
sed ':a;N;$!ba;s/\n/ /g; s/]*>//g'
Linux系统管理专家，覆盖12大模块：用户权限、SSH、存储、网络、systemd、防火墙、日志监控、备份恢复、TLS证书、Ansible、容器、IaC。提供配置、验证、加固、监控、备份、自动化、故障排查、回滚闭环。关键词：useradd、sudo、sshd_config、chmod、SEL...
说明：
立即学习“前端免费学习笔记（深入）”；
-
:a;N;$!ba是 sed 经典的“读入全部行到模式空间”技巧（把整个文件当一行处理） -
s/\n/ /g把换行符替换成空格（避免内容粘连，可按需改为\n或 - 最后再执行标签清除
增强健壮性：过滤常见干扰情况
实际文本中可能混有 HTML 实体（如 &、<）、注释 <!-- ... --> 或 JS/CSS 块，可叠加处理：
sed -e ':a;N;$!ba' \ -e 's///g' \ -e 's/<script>]*>.*<\/script>//gs' \ -e 's/<style[^>]*>.*<\/style>//gs' \ -e 's/<[^>]*>//g' \ -e 's/&/\&/g; s/</; s/>/>/g'</script>
注意：
-
s/...//gs中的s标志让.匹配换行符（GNU sed 支持） - JS/style 清理使用贪婪匹配，适用于无复杂嵌套的简单脚本块；含嵌套时仍建议用专用 HTML 解析器（如
xmlstar、pup或 Python 的BeautifulSoup） - 实体解码只做基础三项，完整解码需额外工具
安全批量处理文件
直接修改原文件风险高，推荐先预览再操作：
- 预览效果：
sed 's/]*>//g' file.html - 保存为新文件：
sed 's/]*>//g' file.html > clean.txt - 原地编辑（备份原文件）：
sed -i.bak 's/]*>//g' *.html
不复杂但容易忽略：确保输入是 UTF-8 编码，避免 sed 处理中文时乱码；如有 BOM 头，可先用 sed '1s/^\xEF\xBB\xBF//' -i file 清除。
