Question

> <img alt="Citizen Kane Poster" title="Citizen Kane Poster"
src="https://images-na.ssl-images-amazon.com/images/M/MV5BMTQ2Mjc1MDQwMl5BMl5BanBnXkFtZTcwNzUyOTUyMg@@._V1_UX182_CR0,0,182,268_AL_.jpg"
itemprop="image" />

我想从上面的文字中提取海报的网址。这是我的grep声明：

count=$(grep -zPo '(?<=> <img alt=").*?src="\K.*?(?="itemprop="image")'  ~/movie_local)

movie_local是我保存网站页面源的地方。我正在学习grep而且还没有完全掌握它，所以请对我软一点。请你帮帮我吧？：）

Answer 1

（如前所述，最好的解决方案是使用HTML解析器。）

使用 GNU grep，请尝试使用此简化版本：

grep -zPo '<img alt=[^/]+?src="\K[^"]+' ~/movie_local

原始尝试的固定版本（请注意(?s)前缀;请参阅下面的说明）：

grep -zPo '(?s)> <img alt=".*?src="\K.*?(?=")' ~/movie_local

替代方案，[\s\S]使用ad-hoc匹配任何字符，包括\n：

grep -zPo '> <img alt="[\s\S]*?src="\K.*?(?=")' ~/movie_local

至于为什么你的尝试不起作用：

当您使用-P （用于PCRE (Perl-Compatible Regular Expression支持）时， . 不匹配{ {1}}字符。默认 ，因此，即使您使用\n一次读取整个输入，-z也不会跨行边界匹配。你有两个选择：
- 在正则表达式的开头设置option s ("dotall") - .* - 这会使(?s)匹配任何字符，包括{{ 1}}
- 临时解决方法：使用. 而不是\n
顺便说一句： [\s\S]构造在语法上比较简单，有时更灵活替代到一个外观断言（{{ 1}}

您的命令都是，在这种情况下没有任何损害，但是没有必要。

相比之下，如果您尝试使用.进行更灵活的空白匹配 - 请注意\K代替原始单个空格 - 您的后瞻断言将失败，因为lookbehind断言必须是固定长度（至少从GNU (?<=...) v2.26开始）。
但是，仅使用(?<=>\s*<img alt=")就可以了：\s* grep只删除与匹配的所有内容（不包括在输出中）。

无法用grep提取

1 个答案: