(gelöst) aus exportierten vivaldi bookmarks Liste von URL

[michaa7]

In Vivaldi kann man die bookmarks nur komplett als html exportieren. Ein einzelner Eintrag sieht dann in etwa so aus:

<DT><A HREF="http://debianforum.de/forum/" ADD_DATE="1499716996" ICON="data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAABAAAAAQCAYAAAAf8/9hAAABKUlEQVQ4jcWTMW6DQBBFn5EbKykDTQqjSDSuYnGA7CEMrbkJ5CTYLXZPyXIAlI4mUqBJY9ImKTfVWus1VpwqU612/vyZv392ghV74rVL4R9AuAgBMCClB3Ig7lcUWxPv2MU3vGQKkQF4uNLDlQBfBMkdh82eeG03PRaXBJ1EqBrSsXxLVEmEMkmOEyxQCcAHXvIEzzbBimLbMtmY2BN2iVANYW7eN4R5S1SZ9y1RVRJ0J1JqSCVC2cVjUjVWEzgAt4T+N++9CXqj8e3CMexUH2bc+/B61lHbqt9lxoM/h35h2jkmoSWqbDdKgs7W7wAMxL3uphMDO+kSCW2tRKg5j/0ny8xeJgB2UNlT6OlqSC8ukKn10hJdHQ1hfubxv5CMbttfQ3+u3x7wB7FWkUSSRmSEAAAAAElFTkSuQmCC">debianforum.de/forum/</A>

Ich möchte dass von jedem dieser Einträge nur die URL übrig bleibt, immer in eine neue zeile, hier also:

http://debianforum.de/forum/

Ich benötige also nur den <URL> Teil zwischen den Anführungszeichen, der immer gleiche Vorspan könnte zur Filterung auf der CL dienen:
<DT><A HREF="http://debianforum.de/forum/"

Der Vorspan ist pro URL immer gleich, der ganze Rest soll eh' weg.


Da gibt es doch bestimmt ne schlaue Kommandozeile die ich auf den als text geöffneten html code loslassen kann. Verrät mir die jemand?

[rodney]

Quick'n'Dirty mit sed:

Code: Alles auswählen

sed 's/^[^=]*="//;s/".*//'

[inne]

Du könntest es mit xpath -n -q -e '//a/@href' ~/Downloads/bookmarks.html probieren. Hier mit Firefox meckert es aber an, dass das XML kaputt ist
Bei xmlstarlet dasselbe, dort weiss ich nicht wie und ob man das abstellen kann, robuster macht.

[michaa7]

@ rodney

fast ... da bleibt noch etwas Spreu übrig, weil die Bookmarks, was ich oben nicht weiter erwähnt habe, natürlich in (sub-) Ordnern abgelegt sein können:

https://www.ebay-kleinanzeigen.de/s-anz ... 58-93-1923
</DL><p>
</DL><p>
https://de.wikipedia.org/wiki/Magische_S-Abf-Taste
</DL><p>
1493553567
<DL><p>
https://www.youtube.com/watch?v=Whd0HpLfdHI

aber das liese sich bestimmt noch irgendwie herausfgiltern?

Ich habe mittlerweile ein funktionierende Lösung gefunden (ergooglt):

grep -Eo '\"https?:\/\/[^"]+\"' quelle-html.txt > ziel.txt

Tut haarscharf was es soll.

Aber es gäbe dennoch Verbesserungspotential. Obiges filtert ja *alle* URLs aller Bookmarks, weil ich nur alle Bookmarks komplett exportieren kann. Die URL Liste möchte ich aber auf einen Ordner beschränken. Das ginge zwar per viel Suchen und viel Löschen, ist aber bei vielen bookmarks sehr unübersichtlich und umständlich. Aber vielleicht läßt sich das ja im ersten Schritt entsprechend grepen:

Das ist der entscheidende Teil der kompletten struktur:

<DT><H3 ADD_DATE="1643502309" LAST_MODIFIED="1643510407">gesuchter Ordner</H3>
<DL><p>
<DT><A HREF="https://gesuchte URL...)
...
...
</DL>

IDEAL (falls das jemand hinbekommt) wäre es ich könnte in den Bookmarks erst nach "gesuchter Ordner" springen (das läßt sich mit "gesuchter Ordner</H3>" grepen) und oben zitierten URL-Filter ausschließlich auf den nächsten folgenden Absatz ( <p> ) von <DL><p> Inhalt </DL> anwenden ... (alle vorherigen Absätze und die weiteren auf den ersten hier folgenden sollen also verworfen werden)

Bekommt das jemand hin?

[tobo]

IDEAL (falls das jemand hinbekommt) wäre es ich könnte in den Bookmarks erst nach "gesuchter Ordner" springen (das läßt sich mit "gesuchter Ordner</H3>" grepen) und oben zitierten URL-Filter ausschließlich auf den nächsten folgenden Absatz ( <p> ) von <DL><p> Inhalt </DL> anwenden ... (alle vorherigen Absätze und die weiteren auf den ersten hier folgenden sollen also verworfen werden)

Das sollte alle HREF-URLs zwischen der Zeile mit MARKER und dem nächsten </DL> aus einer bookmarks.html-Datei listen:

Code: Alles auswählen

$ MARKER="gesuchter Ordner"; sed -n "/<DT><H3.*${MARKER}<\/H3>/,/<\/DL>/s/.*HREF=\"\([^\"]*\)\".*/\1/p" bookmarks.html

[michaa7]

... rattenscharf ... funktioniert. Vielen Dank!

Klitzekleine Anmerkung zu "MARKER", und das soll nur ein Hinweis sein:

Der gesuchte Ordner war in diesem Fall das Wort "ok" (ich hatte dorthin vorab die Links verschoben die aus einer großen Anzahl von weiteren Links die wirklich interessanten waren). Offenbar springt MARKER auch dann auf "ok" (genauer ok</H3>) an wenn vor "ok" noch irgendetwas steht, wie in "notebook"

Nicht weiter schlimm und da schau ich mir die regexe mal an ... mal schaun ... oder eben Löschen per Hand.

Danke nochmals. Die Lösung mildert die bescheidene Exportqualität für die Bookmarks doch entscheidend ab.

[tobo]

Wenn es so ist wie ich denke, dann war das einfach schlampig von mir geschrieben. Es reicht wohl das führende > in die RegEx aufzunehmen und dann gibt es auch einen Unterschied zwischen >ok< und >notebook<. So soltte es stimmen:

Code: Alles auswählen

$ MARKER="gesuchter Ordner"; sed -n "/<DT><H3.*>${MARKER}<\/H3>/,/<\/DL>/s/.*HREF=\"\([^\"]*\)\".*/\1/p" bookmarks.html

[michaa7]

Ja, das funktioniert nun exakt so wie es soll. Super. Danke.

Ich habe mit Hilfe von Google noch eine andere funktionierende Lösung gefunden, aber vermutlich unnötig kompliziert:

MARKER="\bgesuchter Ordner\b"; sed -n "/<DT><H3.*${MARKER}<\/H3>/,/<\/DL>/s/.*HREF=\"\([^\"]*\)\".*/\1/p" bookmarks.html

Kommt zum gleich Ergebnis.

EDIT:

Klar, deine ist einfacher und schlüssiger. Habe jetzt verstanden was "*" bzw "*>" im Match unterscheidet. Und ich verstehe nichteinmal warum meine überhaupt funktioniert
Ok, word boundary matcht mit erstem oder letztem word character