從curl的ftp輸出grep下面的模式

我想獲得字符串與extenions .rdf.gz，例如， uniprot.rdf.gz和uniref.rdf.gz。從curl的ftp輸出grep下面的模式

我嘗試：

grep 'href="rdf\/uni*\.rdf*\.gz"'

，但我無法得到任何東西。

$ echo $site 
ftp://ftp.uniprot.org/pub/databases/uniprot/current_release/rdf 
$ curl -s $site | grep 'href="rdf\/uni*\.rdf*\.gz"'

來源

2013-08-30 jhon.smith

現在還不清楚爲什麼你認爲你的正則表達式會匹配。試試這個。

curl -s "$site" | grep 'href="rdf/uni[^"]*\.rdf\.gz"'

在常規表達式，[^a]指定「的任何字符以外a，和*的後綴操作符指定‘先前表達重複零次或多次’。

所以[^"]*的任何一個子串匹配長度包含不是"的字符，並且您嘗試的正則表達式指定爲href=rdf/un（帶有冗餘反斜槓以逃避/，這不需要轉義），然後是零個或多個重複的i，然後是.rd ，然後是零個或多個重複的f，然後是.gz。

還要注意圍繞可變插值的雙引號"$site"。在shell腳本中，通常希望允許變量包含shell元字符，並將它們插入到雙引號中，除非您特別希望shell對這些元字符執行操作。

如果您想提取雙引號內的匹配表達式，請嘗試使用sed。

curl -s "$site" | sed -n 's%.*href="rdf/uni\([^"]*\.rdf.gz\)".*%\1%p'

這將只會找到第一個href=如果一條線上有很多匹配。如果這是一個問題，也許你應該使用適當的HTML解析器來進行HTML處理。

來源

2013-08-30 09:34:12 tripleee

這可能是正確的，如果輸出是「預期」，但並沒有解決實際問題（curl'的'錯誤的使用加上完全錯誤的（和不必要的）正則表達式）;-) –

curl -s「$ site」| sed -n's％。* href =「rdf/uni \（[^」] * \。rdf.gz \）「。*％\ 1％p'對我有用 –

您的FTP路徑需要一個結尾斜槓（否則你沒有輸出），你應該使用--list-only開關curl，將讓您的生活更輕鬆的方式：

-l，--list只

  (FTP) When listing an FTP directory, 
     this switch forces a name-only view.

最重要的是，因爲使用的是ftp連接，不會有任何href在你的輸出或者 - 僅僅是文件名的目錄說，你可以很容易地grep上：

$ curl -s --list-only "ftp://ftp.uniprot.org/pub/databases/uniprot/current_release/rdf/" | grep '\.rdf\.gz$' 
citations.rdf.gz 
databases.rdf.gz 
diseases.rdf.gz 
enzyme.rdf.gz 
go.rdf.gz 
journals.rdf.gz 
keywords.rdf.gz 
locations.rdf.gz 
pathways.rdf.gz 
taxonomy.rdf.gz 
tissues.rdf.gz 
uniparc.rdf.gz 
uniprot.rdf.gz 
uniref.rdf.gz

來源

2013-08-30 09:38:58

+1 Oooh，該網站是一個FTP服務器。 – tripleee

從curl的ftp輸出grep下面的模式

回答

相關問題