Question

我有一个网页，其中包含以下代码段，其中包含指向视频的链接：

<a href="video.php?video=sampel1.mov">
<a href="video.php?video=anothersample.mov">
<a href="video.php?video=yetanothersample.mov">

我想使用sed和正则表达式来提取视频名称，例如：

sampel1.mov 
anothersample.mov 
yetanothersample.mov

所以我可以使用wget下载它们。

非常感谢！

Answer 1

尝试一下：

sed -n 's/.*video=\([^"]*\)">/\1/p' inputfile

使用GNU grep：

grep -Po '(?<=video=).*?(?=">)' inputfile

通过xargs：

管道其中一个命令

command | xargs wget ...

Answer 2

你可以做一些简单的事情，比如

grep -o 'video.php?video=[^"]\+' | sed -e 's/^video.php?video=//'

Answer 3

您可以使用sed检索电影名称。

创建一个文件，例如。 movie_string.txt ，所有字符串都包含电影名称

现在，使用以下内容创建一个sed脚本文件，例如 movie_name.sed ：

s/\"//g
s/<//g
s/>//g
s/\(.*=\)\([a-z]\)/ \2/

保存并退出。

现在从终端，您只需发出以下命令将结果重定向到另一个文件 movie.txt ：

sed -f movie_name.sed movie_string.txt > movie.txt

Answer 4

警告：使用正则表达式解析HTML / XML通常是not a good idea。相反，使用像Ruby或Python这样的语言，它具有可以智能地解释页面结构的XML解析器库。

以下是一些可能对您有帮助的问题（还有更多只是快速搜索）：

<强>更新

在您的评论中，您提到您已经知道如何在Python中进行链接提取，但您不想使用直接调用wget的Python脚本。你仍然可以用Python解决这个问题（这可能是最简单的解决方案，因为你已经知道如何去做）。如果您的Python脚本将提取的文件名打印到标准输出，并在每个名称后面添加换行符，则可以使用以下任一shell命令执行您想要执行的操作：

python your_script.py >filenames.txt
wget -i filenames.txt

或

python your_script.py | wget -i -

这会将脚本提取的数据传递给wget，而不需要您的脚本通过系统调用来调用wget。

Answer 5

cat yourlinks.txt | cut -f2 -d\" | cut -f2 -d=

正则表达式从html标签中提取（视频）名称

5 个答案: