regex - 使用 reg exp 提取

Question

我有相当数量的图像搜索结果，我想将其转换为相当数量的实际图像。

所有结果都是单个图像的 HTML 页面，每个文件都包含子字符串

<title>Google-Ergebnis für [uri]</title>

其中 [uri] 表示实际结果图像的绝对 URI (http://...(.gif|.jpg|.jpeg|.bmp))。

但我不明白如何提取 uri 以将其交给 wget。

猫imgres.html | grep "<标题>" | sed 's/<title>Google-Ergebnis für http://(.*)</title>/\\1/'

score 2 · Accepted Answer

grep 在这种情况下应该有所帮助：

....grep "<title>"|grep -Po "(?<=Google-Ergebnis für )[^<]*"

测试

kent$ echo "<title>Google-Ergebnis für http://foo.bar.baz/blah.png</title>"|grep -Po "(?<=Google-Ergebnis für )[^<]*"
http://foo.bar.baz/blah.png

请注意 ，实际上，您可以将两个 grep 合二为一。

score 2 · Accepted Answer

您已接近 sed 命令：

 sed -n 's#<title>Google-Ergebnis für \(http://.*\)</title>#\1#p' imgres.html

不过，不需要 cat、grep 和多个管道。

score 0 · Accepted Answer

这个怎么样？我假设您的问题是您如何将从 grep/sed 中提取的内容传递给wget.

cat imgres.html | grep "<title>" | 
  sed 's#<title>Google-Ergebnis für \(http://.*\)</title>#\1#' |
wget -i -

稍微紧凑一点：

sed -n '/<title>/{s#.*<title>Google-Ergebnis für \(http://.*\)</title>.*#\1#;p}' imgres.html | 
  wget -i -

请注意使用#ins 代替通常/作为 . 的分隔符s。

3 回答 3