提取两个值之间的特定单词

Question

我将html页面卷曲，并将输出存入变量，因此我尝试在两个值之间提取一个单词，但是失败了。

 </tr> <tr> <td><a <a href="https://test/one/AAA">AAA</a></td>
 <td>Thu Aug 30 09:59:36 UTC 2018</td> <td align="right"> 2247366 </td>
 <td></td> </tr> <tr> <td><a
 href="https://test/one/1.1.22">1.1.22</a></td> <td>Thu Aug 30 09:59:36
 UTC 2018</td> <td align="right"> 5 </td> <td></td> </tr> </table>
 </body> </html>

 content=$(curl -s https://test/one/)
 echo $content | sed -E 's_.*one/([^"]+).*_\1_'

我尝试在“ /之后”之前获取价值，因此我想提取AAA，1.1.22，...

Answer 1

 set_value <- function() {
 default_value <- 0
 # value <- ''
 value <- scan(what = integer(), nmax = 1, quiet = TRUE)
 if (length(value) == 0) return(default_value) else return(value)
 }

由于您的内容有斜线，因此最好选择其他定界符，这里我使用$ ... | sed -E 's_.*one/([^"]+).*_\1_' AAA BBB 。

更新 由于您更改了输入文件格式，因此这里是更新的脚本

_

Answer 2

不要使用正则表达式解析XML / HTML，请使用适当的XML / HTML解析器和强大的xpath查询。

理论：

  

根据编译理论，不能使用基于finite state machine的正则表达式来解析XML / HTML。由于XML / HTML的层次结构，您需要使用pushdown automaton并使用LALR之类的工具来处理YACC语法。

shell中的

realLife©®™日常工具：

您可以使用以下之一：

xmllint通常默认情况下与libxml2和xpath1一起安装（请选中my wrapper以换行符分隔输出

xmlstarlet可以编辑，选择，转换...默认情况下未安装xpath1

xpath是通过perl的模块XML :: XPath，xpath1

安装的

xidel xpath3

saxon-lint是我自己的项目，包装在@Michael Kay的Saxon-HE Java库xpath3上

或者，我认为您可以使用高级语言和适当的库：

python的lxml（from lxml import etree）

perl的XML::LibXML，XML::XPath，XML::Twig::XPath，HTML::TreeBuilder::XPath

ruby nokogiri，check this example

php DOMXpath，check this example

---

检查：Using regular expressions with HTML tags

---

使用xpath的示例：

//a[contains(@href, "https://test/sites/two/one")]