获取用grep，awk或者sed

赛后以前的href我有一个不formmated的html文件，我需要得到HREF链接，这只是在比赛前...我的HTML文件看起来像：获取用grep，awk或者sed

<a href="url1.com">Bla Bla Bla [Test1]</a><a href="url2.com">Bla Bla Bla [Test2]</a><a href="url3.com">Bla Bla Bla [Test3]</a>

所以现在我需要在[Test2]模式之前获得href内容，并且预期的回报是url2.com。

我不是一个sed或awk专家，我不认为这是可能的纯粹的grep命令。

我可以使用下面的命令知道我的部分是否存在于文件内部，但我不知道如何获得以前的href。

grep -o '\[S06E04\]' file.html

我真的很感激任何帮助。

感谢

来源

2016-05-17 Ranieri Mazili

通常，这不是一个好主意，以处理未行分隔的数据，如XML，这些工具需要以行分隔的数据。改为使用'xmlstarlet'之类的东西。 –

@MichaelVehrs：这个html好像被缩小了... – Jahid

这应该工作：

sed -n 's/.*href="\([^"]*\)">.*\[Test2\].*/\1/p' file 
url2.com

随着GNU的grep：

grep -oP '(?<=href=")[^"]*(?=">[^<>]*\[Test2\])' file 
url2.com

来源

2016-05-17 12:30:43 Jahid

$ awk -F'[[\\]"]' '{for (i=1; i<=NF; ++i) {if ($i == "Test2") print $(i-2)}}' w.txt 

url2.com

来源

2016-05-17 12:34:17 jas

使用grep与PCRE（-P）：

grep -Po 'href="\K[^"]+(?="[^[]+\[Test2\])' file.html

href="匹配字面上所需URI之前，\K丢弃匹配
[^"]+得到期望部分
零宽度正预测先行图案，(?="[^[]+\[Test2\])，确保了匹配之后是什么在方括号内但是[Test2]

使用 sed

类似的逻辑：

sed -E 's/.*[[:blank:]]href="([^"]+)"[^[]+\[Test2\].*/\1/' file.html

实施例：

$ grep -Po 'href="\K[^"]+(?="[^[]+\[Test2\])' <<<'<a href="url1.com">Bla Bla Bla [Test1]</a><a href="url2.com">Bla Bla Bla [Test2]</a><a href="url3.com">Bla Bla Bla [Test3]</a>' 
url2.com 

$ sed -E 's/.*[[:blank:]]href="([^"]+)"[^[]+\[Test2\].*/\1/' <<<'<a href="url1.com">Bla Bla Bla [Test1]</a><a href="url2.com">Bla Bla Bla [Test2]</a><a href="url3.com">Bla Bla Bla [Test3]</a>' 
url2.com

来源

2016-05-17 12:46:18 heemayl

获取用grep，awk或者sed

回答

相关问题