☰

如何使用 awk 从 HTML 文件中提取 URL？

tag-icon • tag-icon awk html
如何使用 awk 从 HTML 文件中提取 URL？

我有一个 HTML 文件，源代码中有 javascript 和 CSS。 JS 中列出的是一系列嵌入其他元数据的 URL。我想使用 awk 提取 URL（全部用双引号括起来并带有 http:// 前缀）并将 URL 转储到标准输出。不过我不知道awk怎么用，不过好像是可以用的工具。

{
title: "Dsssat",
artist: "cxpl djij awsoj e",
mp3: "http://somesite.com/seal/dsssat.mp3",
},

答案1

为什么使用awk？sed更擅长这个：

sed -ne 's/.*\(http[^"]*\).*/\1/p' < foo.js

答案2

您可以使用grep。要包含双引号：

grep -o '"http://[^"]*"' myfile.html

要排除双引号：

grep -o 'http://[^"]*' myfile.html

编辑

您可能需要进行一些进一步的过滤，以确保只匹配 JavaScript 对象中的 URL：

grep -o 'mp3: "http://[^"]*"' myfile.html | grep -o '"http://[^"]*"'

grep -o 'mp3: "http://[^"]*"' myfile.html | grep -o 'http://[^"]*'

相关内容