Question

我有一個文件中的URL列表（每行=不同的域）我想掃描（不遞歸），並選擇兩個模式，這是在不同的行。經過努力2天 - 我的頭在旋轉......

這是很重要的HTML部分：

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

我需要選擇域（subdomain.domain.tld）和電子郵件ADRESS（約翰福音@ doe.com）。我可以通過兩步來（wget/sed）這些零件。

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" 

但我想一次選擇兩個部分，並將它們寫入到一行文件中，並用空格（空格）分隔。這是sed的多行東西，讓我瘋狂。

請：我需要你的幫助，你會:)

謝謝你在前進， 賴。

Answer 1

備案：這是not recommended to parse HTML using regex。

---

您可以使用sed與-e多個表達式，可以幫助這裏：

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

這將產生兩行，一個域，一個用於電子郵件。 如果您更喜歡一條線上的輸出，則可以管道到paste - -。缺省的分隔符是TAB，您可以更改與-d標誌，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, - - 

會產生：

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

我冒昧和mailto後添加一個:在這種模式下， ，因爲我猜那是你的意圖。