Question

我有一个像这样的详细信息的文件

    <hasURL rdf:datatype="&xsd;string"><![CDATA[http://media.foody.vn/res/g4/36211/s/foody-dragon-beach-bar-635453535582622303.JPG ]]></hasURL>
    <hasURL rdf:datatype="&xsd;string"><![CDATA[http://media.foody.vn/res/g4/36211/s/foody-dragon-beach-bar-635453535573574287.JPG ]]></hasURL>
    <hasURL rdf:datatype="&xsd;string"><![CDATA[http://media.foody.vn/res/g4/36211/s/foody-dragon-beach-bar-635438897530827768.JPG ]]></hasURL>
    <hasURL rdf:datatype="&xsd;string"><![CDATA[192.168.1.1 ]]></hasURL>
    <hasURL rdf:datatype="&xsd;string"><![CDATA[192.168.1.1 ]]></hasURL>

我使用此命令

grep 'hasURL.*' inputfile.txt  | sed 's/^.*CDATA\\[\\([^>]\\+\\)]].*$/\\1/g' > output.txt

将CDATA[]中的所有链接都输出到output.txt。现在，我希望只获得以http开头的链接，而不是以数字开头。我该怎么办？

Answer 1

这可能适合你（GNU sed）：

sed -n '/hasURL/s/.*CDATA\[\(http[^]]*\)\].*/\1/p' file

这会启用seds grep-like处理，将行限制为包含hasURL的行，并获取CDATA[http...]内的所有详细信息。

Answer 2

我认为最直接的扩展是使用

sed -n 's/^.*CDATA\[\([^>]\+\)]].*$/\1/g; /^http/ p'

也就是说，只需将/^http/ p添加到sed脚本并使用-n调用sed即可。然后它只会打印替换结果，如果匹配^http。

编辑：你的反斜杠是重复的，我删除了重复。如果有一个原因你在那里有双反斜杠，那就继续使用你那个模式部分的版本。

Answer 3

试试这个awk版本并获得结果

awk -F[ '$3 ~ /^http/{sub("]+.*","",$3);print $3 }'

Answer 4

首先使用sed搜索条件。

grep 'hasURL.*' inputfile.txt | sed -n '/CDATA\[http:\/\//s~^.*CDATA\[\([^>]\+\)\]\].*$~\1~p'

示例：

$ cat yi <hasURL rdf:datatype="&xsd;string"><![CDATA[http://media.foody.vn/res/g4/36211/s/foody-dragon-beach-bar-635453535582622303.JPG ]]></hasURL> <hasURL rdf:datatype="&xsd;string"><![CDATA[http://media.foody.vn/res/g4/36211/s/foody-dragon-beach-bar-635453535573574287.JPG ]]></hasURL> <hasURL rdf:datatype="&xsd;string"><![CDATA[http://media.foody.vn/res/g4/36211/s/foody-dragon-beach-bar-635438897530827768.JPG ]]></hasURL> <hasURL rdf:datatype="&xsd;string"><![CDATA[192.168.1.1 ]]></hasURL> <hasURL rdf:datatype="&xsd;string"><![CDATA[192.168.1.1 ]]></hasURL> $ sed -n '/CDATA\[http:\/\//s~^.*CDATA\[$[^>]\+$\]\].*$~\1~p' yi http://media.foody.vn/res/g4/36211/s/foody-dragon-beach-bar-635453535582622303.JPG http://media.foody.vn/res/g4/36211/s/foody-dragon-beach-bar-635453535573574287.JPG http://media.foody.vn/res/g4/36211/s/foody-dragon-beach-bar-635438897530827768.JPG

/CDATA\[http:\/\//正则表达式模式将搜索包含CDATA[http://的行，并仅在这些行上进行替换，即它将这些行中的所有字符替换为组索引1中的字符。 / p>
或

如果你的grep支持-P，那么你可以通过grep本身来做到这一点。

grep -oP '^(?=.*hasURL).*CDATA\[\Khttp://\S+?(?=\s*]])' file

示例：

$ cat file <hasURL rdf:datatype="&xsd;string"><![CDATA[http://media.foody.vn/res/g4/36211/s/foody-dragon-beach-bar-635453535582622303.JPG ]]></hasURL> <hasURL rdf:datatype="&xsd;string"><![CDATA[http://media.foody.vn/res/g4/36211/s/foody-dragon-beach-bar-635453535573574287.JPG ]]></hasURL> <hasURL rdf:datatype="&xsd;string"><![CDATA[http://media.foody.vn/res/g4/36211/s/foody-dragon-beach-bar-635438897530827768.JPG ]]></hasURL> <hasURL rdf:datatype="&xsd;string"><![CDATA[192.168.1.1 ]]></hasURL> <hasURL rdf:datatype="&xsd;string"><![CDATA[192.168.1.1 ]]></hasURL> foo bar $ grep -oP '^(?=.*hasURL).*CDATA\[\Khttp://\S+?(?=\s*]])' file http://media.foody.vn/res/g4/36211/s/foody-dragon-beach-bar-635453535582622303.JPG http://media.foody.vn/res/g4/36211/s/foody-dragon-beach-bar-635453535573574287.JPG http://media.foody.vn/res/g4/36211/s/foody-dragon-beach-bar-635438897530827768.JPG

如何使用sed获取所有链接到其他文件

4 个答案: