从 .txt 文件中删除 URL

Question

我有一个巨大的文本文件，其中包含以下格式的大量文本和 URL：

https://www.website.com/BLAH-BLAH/XX/123567890?@=@81%@38&magic=1&

URL的最后一部分“1234567890”实际上是一个随机字符串，并不是每次都是相同的数字。

我想删除除此格式的 URL 之外的所有文本。我还想删除 .../XX/1234567890 之后的所有内容

澄清一下，最后我想要一个包含如下 URL 的文件：

https://www.website.com/BLAH-BLAH/XX/123567890

Answer 1

假设您的 URL 位于新行，您将需要使用 grep 将其取出。

grep "https"

（这会搜索并返回包含 https 的所有行。如果随机文本在不包含感兴趣的 URL 的行中包含 https，则可以将引号中的搜索字符串扩展得更长。）

编辑（误读你想要它结束的内容）：编辑2：要去除第一个“/XX/”之后任何10位数字的URL，你可以使用awk：

awk -F'/XX/' '{print $1 "/XX/" substr($2,0,10)}'

这将通过分隔符（在本例中为“/XX/”）分割给定的输入并返回第一个值，即第一个“/XX/”之前的所有内容，然后是 /XX/，然后是一个 10 个字符长的子字符串（从与第一个字母）的/XX/之后的内容。

您可以使用管道将它们连接在一起，如下所示（假设您的 URL 位于名为 urls.txt 的文本文件中）：

cat urls.txt | grep "https" | awk -F'?' '{print $1 "/XX/" substr($2,0,10)}'

Answer 2

grep -Po 'https?://\S+/\w\w/\w{1,10}\b'   bigfile.txt