从HTML文档中提取IP地址

Question

如何打印以下行的IP地址（86.23.215.130）？整个文件（未显示）是来自wget的标准输出（因此是HTML）。听起来很简单，但我没有管理。

...
<tr><td align=center colspan=3 bgcolor="D0D0D0"><font face="Arial, Monospace" size=+3>86.23.215.130</font></td></tr>
...

由于

Answer 1

为何选择？我相信grep要好得多：

grep -iohP '(?<=\x3e)([0-9]+\.){3}[0-9]+(?=\x3c)' file

其中\ x3e表示＆gt;和\ x3c表示＆lt; （ascii十六进制代码）

虽然sed可以做到这一点，但不建议这样做：

sed -rn 's/.*\x3e(([0-9]+\.){3}[0-9]+)\x3c.*/\1/p' file

感谢Sternad先生，我对此有所改进。

Answer 2

如果只想提取IP地址，则应使用以下命令：

sed -E -n 's/.*>([0-9]+\.[0-9]+\.[0-9]+\.[0-9]+)<.*/\1/p' file.txt

这是它的作用：

• -E切换到扩展正则表达式模式（GNU Sed中的-r）
• -n会抑制匹配行的输出
• 's/something/something2/p'用something2替换某些东西并打印出结果匹配
• ([0-9]+\.[0-9]+\.[0-9]+\.[0-9]+)捕获一组四个连续数字，以点分隔
• \ 1是对上面捕获的组的引用

请注意，此正则表达式不一定能找到正确的IP地址，而是以点分隔的任何数字序列。

如果您想要更高的灵活性（和准确性），可以使用Perl Commons Regex module。它验证IP地址。

perl -MRegexp::Common -lne 'print $1 if /($RE{net}{IPv4})/' file.txt

请注意，您必须正确锚定表达式，否则486.23.215.130之类的无效IP将缩减为有效地址86.23.215.130。

Answer 3

IP地址是由3个周期点分隔的4组0-3位数。

sed -e '/[0-9]\.[0-9]\.[0-9]\.[0-9]/p' infile.txt

Answer 4

这个怎么样？ 有何评论？

grep "size=+3" | awk -F'[<>]' '{print $7}'

我知道......它假设IP始终位于包含size+3的行中的相同位置。您的建议更为普遍，因此更适用于任何解析输入文本。