Question

我有一个文本文档，我想从中提取URL并将它们放在一个新的文本文件中。我怎么能在Perl中做到这一点？文本文件的示例如下：

{ “类型”： “TabGroupsManager：GroupData”， “ID”：65， “名称”：“XML 架构编辑器 “ ”形象“： ”http://www.altova.com/favicon.ico“， ”disableAutoRename“：假的， ”titleList“：” XML 架构编辑器\ u000aAltova XMLSpy代码生成\ u000a在线视频演示\ u000a计划数据交换案例研究\ u000aXML编辑器\ u000aAltova XMLSpy 2011 \ u000aXML架构管理工具\ u000a “ ”标签“： ”{\“ 项\ ”：[{\“ URL \ ”：\“ HTTP：//www.altova.com/xmlspy/xml-schema-editor.html \”， \ “称号\”：\“XML 架构编辑\ “\ ”ID \“：1442422751，\ ”引荐\“：\ ”HTTP：//www.altova.com/xmlspy/xml-editing.html \“，\ ”滚动\“：\” 0 0 \ “\ ”FORMDATA \“：{\ ”＃q构成\“：\ ”\“}}]，\ ”指数\“：1，\ ”属性\“：{\ ”图像\“：\” HTTP ：//www.altova.com/favicon.ico \ “}，\” 扩展数据\ “：{\” TabGroupsManagerGroupId \ “：\” 65 \ “\ ”TabGroupsManagerGroupName \“：\” XML 架构编辑\ “} \” _formDataSaved \ “：真正}”， “{\” 项\ “：[{\” URL \ “：\” http://www.altova.com/xmlspy/xml-code-generation html的\ “\ ”称号\“：\” Altova公司 XMLSpy代码代\ “\ ”ID \“：1442423118，\ ”引荐\“：\” http://www.google.com/search?hl=en&client=firefox-a&hs=GR1&rls=org。的Mozilla％3Aen-GB％3Aofficial＆安培; q = Altova的+导出+模式+从+ XML＆安培;水溶液= F＆安培; AQI = M1＆安培; AQL =安培; OQ =安培; gs_rfai = \ “\ ”滚动\“：\” 0 ，0 \ “\ ”FORMDATA \“：{\ ”＃q构成\“：\ ”\“}}]，\ ”指数\“：1，\ ”属性\“：{\ ”图像\“：\” http://www.altova.com/favicon.ico\"},\"extData\":{\"TabGroupsManagerGroupId\":\"65\",\"TabGroupsManagerGroupName\":\"XML 架构编辑\ “} \” _formDataSaved \ “：真正}”， “{\” 项\ “：[{\” URL \ “：\” http://www.altova.com/videos.asp?type=0& ;视频= XMLSpy的\ “\ ”称号\“：\” 在线视频演示\ “\ ”ID \“：1442423184，\ ”引荐\“：\ ”HTTP：//www.altova.com/xmlspy/xml-code-generation.html \“，\ ”滚动\“：\” 0,0 \”，\ “FORMDATA \”：{\ “＃q构成\”：\ “\”}}]，\ “指数\”：1，\ “属性\”：{\ “图像\”：\ “http://www.altova.com/favicon.ico\"},\"extData\":{\"TabGroupsManagerGroupId\":\"65\",\"TabGroupsManagerGroupName\":\"XML 架构编辑\ “} \” _formDataSaved \ “：真正}”， “{\” 项\ “：[{\” URL \ “：\” HTTP：//www.altova.com/solutions/exchange_ratecasestudy.html \” ，\ “称号\”：\“计划数据交换案例研究\ “\ ”ID \“：2618，\ ”FORMDATA \“：{\ ”＃q构成\“：\ ”\“}，\ ”滚动\“：\ ”0,1369 \“}]，\”指数\ “：1，\” 属性\ “：{\” 图像\ “：\” HTTP：//www.altova.com/favicon.ico \ “}，\” 扩展数据\ “：{\” TabGroupsManagerGroupId \” ：\ “65 \”，\ “TabGroupsManagerGroupName \”：\“XML 架构编辑\ “} \” _formDataSaved \ “：真正}”， “{\” 项\ “：[{\” URL \ “：\” HTTP：//www.altova.com/xml-editor/ \”， \ “称号\”：\“XML 编辑\ “\ ”ID \“：2620，\ ”FORMDATA \“：{\ ”＃q构成\“：\ ”\“}，\ ”滚动\“：\ ”0,0 \“}]，\”指数\ “：1，\” 属性\ “：{\” 图像\ “：\” HTTP：//www.altova.com/favicon.ico \ “}，\” 扩展数据\ “：{\” TabGroupsManagerGroupId \” ：\ “65 \”，\ “TabGroupsManagerGroupName \”：\“XML 架构编辑\ “} \” _formDataSaved \ “：真正}”， “{\” 项\ “：[{\” URL \ “：\” http://manual.altova.com/XMLSpy/spystandard/index.html ？xmlschemasstd.htm \ “\ ”称号\“：\” Altova公司 XMLSpy的 2011 \ “\ ”ID \“：2622，\ ”孩子\“：[{\ ”URL \“：\ ”HTTP：//manual.altova.com/XMLSpy/spystandard/xmlspy_content_dyn.html \“，\” title \“：\”Altova XMLSpy 2011 \”，\ “ID \”：2623，\ “引用\”：\ “HTTP：//manual.altova.com/XMLSpy/spystandard/index.html xmlschemasstd.htm \”，\ “滚动\”： \ “0,0 \”}，{\ “URL \”：\ “HTTP：//manual.altova.com/XMLSpy/spystandard/xmlschemasstd.htm \”，\ “称号\”：\“XML 模式\”，\ “ID \”：2624，\ “引用\”：\ “HTTP：//manual.altova.com/XMLSpy/spystandard/index.html xmlschemasstd.htm \”，\ “滚动\”： \ “0260 \”}]，\ “滚动\”：\ “0,0 \”}]，\ “指数\”：1，\ “属性\”：{}，\ “扩展数据\”：{\” TabGroupsManagerGroupId \ “：\” 65 \ “\ ”TabGroupsManagerGroupName \“：\” XML 架构编辑\ “} \” _formDataSaved \ “：真正}”， “{\” 项\ “：[{\” URL \ “：\” HTTP：//www.altova.com/schemaagent.html \”，\ “标题\”：\“XML 架构管理工具\ “\ ”ID \“：2626，\ ”FORMDATA \“：{\ ”＃q构成\“：\ ”\“}，\ ”滚动\“：\ ”0171 \“}]，\” 指数\ “：1，\” 属性\ “：{\” 图像\ “：\” HTTP：//www.altova.com/favicon.ico \ “}，\” 扩展数据\ “：{\” TabGroupsManagerGroupId \“：\ “65 \”，\ “TabGroupsManagerGroupName \”：\“XML 架构编辑器\ “}，\” _ formDataSaved \ “：真}”]}

由此我想创建一个文本文件，如：

http://www.altova.com/xmlspy/xml-schema-editor.html
http://www.altova.com/xmlspy/xml-code-generation.html

Answer 1

由于它似乎是JSON文件而不是纯文本文件，因此请使用JSON modules on CPAN之一。这有点复杂，因为您似乎将数据编码为JSON，然后将其存储为更大的对象中的字符串，然后将其转换为JSON - 因此您必须解析文件，提取字符串，将其解析为JSON in转而然后从中提取URI。

Answer 2

如果Perl不是必须的，

$ sed 's|\\||g' file| awk -vRS='"url":' -F"," '{print $1}' | grep -E "http|ftp"
"http://www.altova.com/xmlspy/xml-schema-editor.html"
"http://www.altova.com/xmlspy/xml-code-generation.html"
"http://www.altova.com/videos.asp?type=0&video=xmlspy"
"http://www.altova.com/solutions/exchange_ratecasestudy.html"
"http://www.altova.com/xml-editor/"
"http://manual.altova.com/XMLSpy/spystandard/index.html?xmlschemasstd.htm"
"http://manual.altova.com/XMLSpy/spystandard/xmlspy_content_dyn.html"
"http://manual.altova.com/XMLSpy/spystandard/xmlschemasstd.htm"
"http://www.altova.com/schemaagent.html"

如何从JSON数据中提取URL？

2 个答案: