我有一个非常大的HTML文件,其中包含安全扫描结果,我需要提取文档中的无用信息。我需要提取的内容示例类似于:
<tr>
<td width="20%" valign="top" class="classcell0"><span class="classtext" style="color: #ffffff; font-weight: bold !important;">Info</span></td>
<td width="10%" valign="top" class="classcell"> <a href="http://www.nessus.org/plugins/index.php?view=single&id=10395" target="_blank"> 10395</a>
</td>
<td width="70%" valign="top" class="classcell"><span class="classtext" style="color: #263645; font-weight: normal;">Microsoft Windows SMB Shares Enumeration</span></td>
</tr>
编辑后,上面的文本应该直接删除。由于变化的原因,我无法进行标准查找。以下是另一个需要从文档中删除的示例:
<tr>
<td width="20%" valign="top" class="classcell0"><span class="classtext" style="color: #ffffff; font-weight: bold !important;">Info</span></td>
<td width="10%" valign="top" class="classcell"> <a href="http://www.nessus.org/plugins/index.php?view=single&id=11219" target="_blank"> 11219</a>
</td>
<td width="70%" valign="top" class="classcell"><span class="classtext" style="color: #263645; font-weight: normal;">Nessus SYN scanner</span></td>
</tr>
我需要将ID号码10395作为变量处理,但长度保持不变。同样,“Microsoft Windows SMB Shares Enumeration”也需要被视为变量,因为它在整个文档中会发生变化。
我尝试将类似于以下内容的东西放入替换中,但我认为我完全没有做对。
<td width="10%" valign="top" class="classcell"> <a href="http://www.nessus.org/plugins/index.php?view=single&id=\1\1\1\1\1" target="_blank"> \1\1\1\1\1</a>
也许我应该使用其他工具?