regex - 提取该行的 url 部分

Question

我有很多行的html页面，其中一行是：

var premium_download_link = 'http://www.someurl.com/';

如何在 html 页面中找到该行并从该行中提取http://www.someurl.com？

Answer 1

echo "var premium_download_link = 'http://www.someurl.com/'" | awk '{print substr ($4,2,23)}'

Answer 2

您可以通过awk定义字段分隔符变量来提取特定的字段值。

例如，以下应该工作 -

$ echo "var premium_download_link = 'http://www.someurl.com/';" | 
awk -F"'" '{ print $2 }' 
http://www.someurl.com/

但是，您的html文件可能包含其他内容。因此，您可以在脚本前面添加一个正则表达式，以确保它仅在遇到特定行时运行。

例如 -

awk -F"'" '/premium_download_link/{ print $2 }' 

Answer 3

使用sed：

sed -n -e "s/.*var premium_download_link = '\([^']*\)';.*/\1/p"

该-n标志禁止打印，除非我们使用p. 因此只打印匹配（然后替换）的行。

编辑（基于 OP 评论）：

要在 shell 变量中获取它，您可能需要以下内容：

url=$(wget -qO - "http://originalurl.com/" | sed -n -e "s/.*var premium_download_link = '\([^']*\)';.*/\1/p")

这会获取页面并运行它sed。输出应该是 url，它存储在一个名为url.

Answer 4

With awk :

awk -F "'" '{ for (f=1; f<=(NF-1)/2; f++) print $(f*2) }' $1

-F "'" define the quote ' as the separator for given input.

Answer 5

grep -Po "(?<=premium_download_link = ')[^']+"