使用 linux 命令/srcipting 在 HTML 的特定单词之后提取单词

编程问答 2022-05-14

问题描述

我有一个文件“tes.html”：

<html>
<head><title>Index of /Data/Movies/Hollywood/2016_2017/</title></head>
<body bgcolor="white">
<h1>Index of /Data/Movies/Hollywood/2016_2017/</h1><hr><pre><a href="../">../</a>
<a href="1%20Buck%20%282017%29/">1 Buck (2017)/</a>                                     25-Nov-2019 10:25       -
<a href="1%20Mile%20to%20You%20%282017%29/">1 Mile to You (2017)/</a>                              25-Nov-2019 10:26       -
<a href="1%20Night%20%282016%29/">1 Night (2016)/</a>                                    25-Nov-2019 10:27       -
</pre><hr></body>
</html>

我想将 "% 29 / ">" 之后的值获取到 output.txt 并提供标题“title”，例如：

title
1 Buck (2017)/
1 Mile to You (2017)/
1 Night (2016)/

如何使用 awk、sed 等 linux 命令获取上述输出文件。

我试过这个代码：

awk '{for (I=1;I<NF;I++) if ($I == "%29/">") print $(I+1)}' file

解决方法

对于您展示的样本，请尝试以下操作。

awk 'BEGIN{print "title"} match($0,/%29\/">[^/]*/){print substr($0,RSTART+6,RLENGTH-5)}'  Input_file

说明：为以上代码添加详细说明。

awk '                                   ##Starting awk program from here.
BEGIN{print "title"}
match($0,/%29\/">[^/]*/){               ##Using match function to match regex %29\/"> till / here.
  print substr($0,RLENGTH-5)   ##Printing sub string here.
}
'  Input_file                           ##Mentioning Input_file name here.
,

还可以使用 awk 将 FS 设置为 '[><]' 并打印 $3：

awk -F'[><]' 'BEGIN{ print "title" } /%29/ {print $3}' file
title
1 Buck (2017)/
1 Mile to You (2017)/
1 Night (2016)/

或使用 $2 的最后一个（您需要的条件）：

awk -F'[><]' 'BEGIN{ print "title" } $2 ~ /%29\/"$/ {print $3}' file
title
1 Buck (2017)/
1 Mile to You (2017)/
1 Night (2016)/
awklinuxlinuxscriptingsedshell