URL mit awk extrahieren

[azerty]

Hallo

Wie in einem anderen Thread angekündigt möchte ich nun meine Lesezeichen-Verwaltung auf reinen Text ohne jegliche Auszeichnungssprache wie HTML umstellen. Dazu müssen allerdings auch die alten Firefox-Lesezeichen aus einer HTML ausgelesen und auf das wesentliche, nämlich reinen Text, reduziert werden.

Dies habe ich mit

Code: Alles auswählen

 echo "`cat bookmarks.html`" | grep -o 'http://[^"]*' 

soweit erfolgreich gemacht. (Ist korrekt oder? Zumindest bekomme ich bei mir eine ellenlange List, die ich allerdings nicht im Detail kontrollieren kann.)

Jedoch speichert der Firefox in der bookmarks.html nicht nur Lesezeichen-URLs sondern auch die URLs der Favicons. Wie kann ich die Ausgabe (des oben genannten Befehls) nun aller Favicon-URLs bereinigen?

Alle Favicon-URLs haben enthalten ein "favicon.ico", das müsste sich irgendwie filtern lassen, habt ihr da Vorschläge wie ich das bewerkstelligen könnte?

Feedback und Hilfe sind willkommen!

[towo]

Code: Alles auswählen

grep -o 'http://[^"]*' bookmarks.html | grep -v favicon

So vielleicht?

[Duff]

Morgen,

was genau willst du denn aus der Datei noch ermitteln?
Kannst du mir vielleich mal ein Beispiel posten. Bei mir steht beim ICON immer nur data:image/png.

Code: Alles auswählen

sed -e '/http:/!d;s/^.*http:\/\/\([^"]*\)".*/\1/g' /etc/iceweasel/profile/bookmarks.html

[edit]
Ups, habe die Frage wohl falsch verstanden.
Sorry.
[/edit]

[azerty]

Code: Alles auswählen

grep -o 'http://[^"]*' bookmarks.html | grep -v favicon

So vielleicht?

Passt genau! Danke euch für eure Hilfe!

[Meillo]

urlview ist für sowas ein nettes Programm. In dessen Manpage findet sich auch eine ziemlich vollständige (extended) RegExp zum Matchen:

Code: Alles auswählen

(((http|https|ftp|gopher)|mailto):(//)?[^ <>"\t]*|(www|ftp)[0-9]?\.[-a-z0-9.]+)[^ .,;\t\n\r<">\):]?[^, <>"\t]*[^ .,;\t\n\r<">\):]

[Duff]

urlview ist für sowas ein nettes Programm. In dessen Manpage findet sich auch eine ziemlich vollständige (extended) RegExp zum Matchen:

Code: Alles auswählen

(((http|https|ftp|gopher)|mailto):(//)?[^ <>"\t]*|(www|ftp)[0-9]?\.[-a-z0-9.]+)[^ .,;\t\n\r<">\):]?[^, <>"\t]*[^ .,;\t\n\r<">\):]

Sieht ja wild aus