Question

我正在使用Ubuntu 10.10并使用Grep处理一些HTML文件。

以下是HTML代码段：

<a href="video.php?video=one-hd.mov"><img src="/1.jpg"><a href="video.php?video=normal.mov"><img src="/2.jpg"><a href="video.php?video=another-hd.mov">

我想提取one-hd.mov和another-hd.mov，但忽略normal.mov。

这是我的代码：

example='<a href="video.php?video=one-hd.mov"><img src="/1.jpg"><a href="video.php?video=normal.mov"><img src="/2.jpg"><a href="video.php?video=another-hd.mov">'
echo $example | grep -Po '(?<=video.php\?video=).*?(?=-hd.mov">)'

结果是：

one
normal.mov"><img src="/2.jpg"><a href="video.php?video=another

但我想要

one
another

那里存在不匹配。

这是因为所谓的贪婪正则表达式吗？

我正在唱GREP，但欢迎使用任何命令行bash工具来解决像sed等问题。

非常感谢。

Answer 1

你想为grep使用Perl正则表达式 - 为什么不直接使用perl？

echo "$example" | perl -nle 'm/.*?video.php\?video=([^"]+)">.*video.php\?video=([^"]+)".*/; print "=$1=$2="'

将打印

=one-hd.mov=another-hd.mov=

Answer 2

以下是使用xmlstarlet的解决方案：

$ example='<a href="video.php?video=one-hd.mov"><img src="/1.jpg"><a href="video.php?video=normal.mov"><img src="/2.jpg"><a href="video.php?video=another-hd.mov">'
$ echo $example | xmlstarlet fo -R 2>/dev/null | xmlstarlet sel -t -m "//*[substring(@href, string-length(@href) - 6, 7) = '-hd.mov']" -v 'substring(@href,17, string-length(@href) - 17 - 3)' -n
one-hd
another-hd

$

Answer 3

使用awk的解决方案：

{
    for(i=1;i<NF;i++) {
        if ($i ~ /mov/) {
            if ($i !~ /normal/){
                sub(/^.*=/, "", $i)
                print $i
            }
        }
    }
}

输出：

$ awk -F'"' -f h.awk html
one-hd.mov
another-hd.mov

但我强烈建议您使用html-parser代替BeautifulSoup

简单的Grep不匹配问题

3 个答案: