sed / regular exp

[chabayo]

Hallo,

ich mag lediglich alle (A)nker-Tags aus einem Html-File haben; dazu dachte ich mir folgenden Ausdruck:

Code: Alles auswählen

sed -ne "s/<a[^>.]*>/&/p" file.html

...aber das haut nicht hin.

Lass ich das a draussen krieg ich natuerlich alle Tags...aber ich will es ja auf die Anker-Tags beschraenkt haben.

[Duff]

Hast du eine Beispieldatei (oder nur ein paar Zeilen), damit man die eigenen Vorschläge auch vorher mal testen kann.

Danke.

[chabayo]

Hm...

...sollten eigentlich genug html-Files im Internet zu finden sein



Naja, vorstellbar waer ja kurz das:

Code: Alles auswählen

Schoene Datei mit <a href="/tmp">Link</a>

Generell waere mir sogar lieber ich koennte das Tag mit dem Wort 'tmp' abgreifen, weil ich eigentlich aus einer Website Links herausziehen will, die hier speziell auf ein Unterverzeichnis dessen Pfad 'download' enthaelt verweisen.

Genauer hatte ich mir dann in etwa folgendes forgestellt:

Code: Alles auswählen

wget -O - http://website.de | sed sed -ne 's/<a[^>.]*>/&/p' -ne 's/'href="[^".]*"'/&/p' | cut -d '"' -f 2

BTW - waere sowas ne Perl-Spezialitaet?


thx
chab

[markus_b]

Mein Vorschlag:

Code: Alles auswählen

sed -nre 's/^.*<a[[:blank:]]+href="([^"]*)".*$/\1/p' index.html

Das gibt dir den Inhalt von href aller <a> Tags aus.

Wenn du noch weiter Filtern willst, dann kannst du das einfach in die Klammern schreiben:

Code: Alles auswählen

sed -nre 's/^.*<a[[:blank:]]+href="(\/tmp[^"]*)".*$/\1/p' index.html

[puddlejumper]

Hi,

wenn Du schon nach perl fragst...:

Code: Alles auswählen

wget ... | perl -e 'while (<>) { if (/<a +.*?href="(.*?)"/) { print $1 . "\n"; }'

Gruß,
puddlejumper.

[fuzzy]

Hallo chabayo,

Code: Alles auswählen

wget -qO- debianforum.de  | tr " " "\n" | sed '/href="\//!d;s/[^"]*"\/\(.*\)".*/\1/'

geht das in die richtige Richtung?

Gruß fuzzy

[chabayo]

Hm...

...hab mir mal das Paket "visual-regex" installiert, und sie gegengeprueft...es liegt leider nicht an der Regular Expression, denn die ist tatsaechlich korrekt.

Code: Alles auswählen

sed -e "s/<a[^>.]*>/###&###/" file.html

zeigt das auch.

Es ist, wie das von markus_b zeigt denn die Funktioniert, ein technischer Kniff in der handhabund von sed.

Gibt es nichts das einfach den Match fuer das Pattern ausgibt?? - waer ja zu doof.



thx@all




@fuzzy: ...just btw., die Perlline funktioniert, aber es ist am Ende eine } zu wenig.

[nepos]

Wenn Perl, dann würde ich das nicht über eine reine RegEx machen. Das kann immer mal wieder schiefgehen. Vielmehr würde ich da eines der diversen Module wie z.B. HTML::Parser oder ähnliches benutzen.