🚀 go-pugleaf

Necesito programar un script que manipule texto
(candidatos sed, awk y tal). Pero no tengo ni
idea de expresiones regulares, ni de sed ni de awk.

Pregunta: Manual <100p�g de cada una de las cosas.

Necesito detectar expresiones que "atraviesan"
varias l�neas. Concretamente me interesa
"robar" unos datos de unas p�ginas
html. Hab�a pensado en un wget al cron y luego
"parsearlas" con mi script.

En concreto me interesa "quitar" todo el c�digo
html para quedarme s�lo con los datos.

Por ejemplo un tag <FONT ... > debo eliminarlo,
as� como su rec�proco </FONT>. Pero puede estar
escrito en varias l�neas, como por ejemplo

<FONT
FACE="jkihjijhio"
SIZE=74839278942
>

Tambi�n me interesar� quitar bloques de texto
enteros como

<HEAD>
jkdj ig
eg nekjg nkjlg
e genjk genkj
</HEAD>

Me suena que sed y awk est�n orientados a l�neas.
Puedo procesar expresiones que su "match" est�
repartido en diferentes l�neas sin saber cu�ndo
se parten �stas?

O ser�a mejor hacer un programa en C/C++ que
reescriba todo el stream sin un s�lo \n para
pasarlo por sed/awk.

O ser�a mejor escribir el programa directamente
en C/C++ (lo he pensado y si quiero que sea
configurable acabar�a construyendo un sed o un
awk)

Por tanto... �D�nde empiezo a mirar un tutorial
de...

..."aprenda regexpr en 1 hora"?
..."aprenda sed en 1 hora"?
..."aprenda awk en 1 hora"?

Existen homes para estos programas (al igual
que php tiene la suya, samba tiene la suya, etc).

(he probado www. * {sed, awk, regexpr} * {.com, .org, .net}
y nada de nada.)

-- 
--------------------------------------------------------------
Chao!
Xavi
http://www.dsitelecom.com/ (Digital Sound Items)
--------------------------------------------------------------