如何使用 UNIX 命令从 HTML 标签中提取特定 url

如何使用 UNIX 命令从 HTML 标签中提取特定 url

我想http://www.rediff.com/news从下面的<a>标签中提取链接

<a href="http://www.rediff.com/news" onclick="trackURL('http://track.rediff.com/click?url=___http://www.rediff.com/news___&cmp=news1_nav&lnk=news1_nav&nsrv1=ushome');return false;"><div class="n_tabnormal">News</div></a>

使用一些 Unix 命令。请不要为此进行硬编码。

答案1

使用 XML/HTML 解析器是操作 XML/HTML 数据的正确方法:

xmlstarlet解决方案:

sed 's/&/&amp;/g' yourfile | xmlstarlet sel -t -v '//a[div/text() = "News"]/@href' -n

输出:

http://www.rediff.com/news

  • sed 's/&/&amp;/g'- 将 & 符号&作为特殊字符转换为 HTML 实体

  • //a[div/text() = "News"]/@href- xpath表达式,如果标签有带有文本的子节点,则提取标签href的属性值adivNews

相关内容