提取物串時，awk，sed的或等

-1

<a href="http://www.youtube.com/user/airuike" class="yt-uix-sessionlink yt-user-name " data-sessionlink="ei=CKPW6LXqqbQCFSqVIQod_BwsaQ%3D%3D" dir="ltr">lily weisy</a>

我想提取www.youtube.com/user/airuike和百合weisy，然後我也想從www.youtube.com/user/

，所以我希望得到3串分開airuike：www.youtube.com/user/airuike，airuike和百合weisy

如何實現這一目標？感謝

來源

2012-12-21 wenzi

你有沒有用awk或者grep的？有更好的方法來解析HTML。 –

我不知道該怎麼做 – wenzi

[Google]（http://google.com）是學習如何做不知如何做的事情的好資源。 – jahroy

做到這一點：

sed -e 's/.*href="\([^"]*\)".*>\([^<]*\)<.*/link:\1 name:\2/' < data

會給你的第一部分。但我不確定你在這之後用它做了什麼。

來源

2012-12-21 00:47:29 kdubs

如果開發人員寫了<！ -

第一個。*將跳過所有的一切，所以它應該仍然有效。 – kdubs

但_should_它的工作？當然這個問題還不清楚，但我相信正則表達式對於HTML來說並不是正確的工作，除了一次性黑客（但不是真正項目的一部分） –

由於它是html，並且html應該使用html解析器解析，而不是使用grep/sed/awk解析，所以可以使用我的Xidel的模式匹配功能。

xidel yourfile.html -e '<a class="yt-uix-sessionlink yt-user-name " dir="ltr">{$link := @href, $user := substring-after($link, "www.youtube.com/user/"), $name:=text()}</a>*'

或者，如果你想要一個像結果的CSV：

xidel yourfile.html -e '<a class="yt-uix-sessionlink yt-user-name " dir="ltr">{string-join((@href, substring-after(@href, "www.youtube.com/user/"), text()), ", ")}</a>*' --hide-variable-names

這是一種悲哀，你也想擁有airuike字符串，否則它會像

一樣簡單

xidel /yourfile.html -e '<a href="{$link}" class="yt-uix-sessionlink yt-user-name ">{$name}</a>*'

（你應該可以使用xidel '<a href="{$link:=., $user := filter($link, www.youtube.com/user/(.*)\', 1)}" class="yt-uix-sessionlink yt-user-name " dir="ltr">{$name}</a>*'，但它似乎我沒有想過通過的語法。只是一個錯誤檢查，它打破了一切。）

來源

2012-12-21 00:49:14 BeniBela

我覺得這樣的事情必須努力

while read line 
do 
    href=$(echo $line | grep -o 'http[^"]*') 
    user=$(echo $href | grep -o '[^/]*$') 
    text=$(echo $line | grep -o '[^>]*<\/a>$' | grep -o '^[^<]*') 

    echo href: $href 
    echo user: $user 
    echo text: $text 
done < yourfile

正則表達式基礎知識：http://en.wikipedia.org/wiki/Regular_expression#POSIX_Basic_Regular_Expressions

UPD：檢查並修復

來源

2012-12-21 00:52:42

的環境中，這也不會與'Lucy的新「http解析器」匹配！'？ –

你是對的，但我認爲格式是同質的。如果你知道所有的行都是相同的格式，那麼正則表達式可以更簡單 –

$ awk '{split($0,a,/(["<>]|:\/\/)/); u=a[4]; sub(/.*\//,"",a[4]); print u,a[4],a[12]}' file 
www.youtube.com/user/airuike airuike lily weisy

來源

2012-12-21 06:44:36

提取物串時，awk，sed的或等

回答

相關問題