Question

我有一个文件中的URL列表（每行=不同的域）我想扫描（不递归），并选择两个模式，这是在不同的行。经过努力2天 - 我的头在旋转......

这是很重要的HTML部分：

<a href="http://subdomain.domain.tld/">Home</a> 
</li> 
<li> 
<a data-uv-trigger='true' href='mailto:john@doe.com'> 

我需要选择域（subdomain.domain.tld）和电子邮件ADRESS（约翰福音@ doe.com）。我可以通过两步来（wget/sed）这些零件。

wget -O - -i urls-to-scan-manuell.txt | sed -n "s/\(.*a href=\"\)\(.*\)\(\">Home.*\)/\2/p" 

wget -O - -i urls-to-scan-manuell.txt | sed -n "s/\(.*true' href='mailto\)\(.*\)\('>.*\)/\2/p" 

但我想一次选择两个部分，并将它们写入到一行文件中，并用空格（空格）分隔。这是sed的多行东西，让我疯狂。

请：我需要你的帮助，你会:)

谢谢你在前进， 赖。

Answer 1

备案：这是not recommended to parse HTML using regex。

---

您可以使用sed与-e多个表达式，可以帮助这里：

wget -O - -i urls-to-scan-manuell.txt | sed -n \ 
    -e "s/\(.*a href=\"\)\(.*\)\(\">Home.*\)/\2/p" \ 
    -e "s/\(.*true' href='mailto\)\(.*\)\('>.*\)/\2/p" 

这将产生两行，一个域，一个用于电子邮件。 如果您更喜欢一条线上的输出，则可以管道到paste - -。缺省的分隔符是TAB，您可以更改与-d标志，因此，例如：

wget -O - -i urls-to-scan-manuell.txt | sed -n \ 
    -e "s/\(.*a href=\"\)\(.*\)\(\">Home.*\)/\2/p" \ 
    -e "s/\(.*true' href='mailto:\)\(.*\)\('>.*\)/\2/p" | \ 
paste -d, - - 

会产生：

http://subdomain.domain.tld/,john@doe.com 

我冒昧和mailto后添加一个:在这种模式下， ，因为我猜那是你的意图。