استخراج لینک از فایل متنی

[feeruzy]

سلام. احتمالا انجمن درستی رو برای سوالم انتخاب کردم.
چطوری میشه یه لینک رو از یه متن با grep یا sed استخراج کرد بطوریکه تنها همون url و نه تمام اون خط انتقال پیدا کنه؟

کد: [انتخاب]


<td><a href="../pdf/117-144-C612-10.pdf" target=_blank><img border=0 src="../images/pdf.jpg"></a><a href="../pdf/117-144-C612-10.pdf" target=_blank><font face=tahoma size=2>sample</a></td>
<td dir=ltr align=center><font face=tahoma style="font-size:11px;"> (274 KB)</font>
</td>


من از این دستور برای جدا کردن این قسمت از سورس html استفاده کردم و نتیجه هم بالایی هست:

کد: [انتخاب]

grep "../pdf" 1>2

لطفا طوری دستور رو بازسازی کنید که نتیجه بشه :

کد: [انتخاب]

../pdf/117-144-C612-10.pdf


[doomhammer65ir]

برای چه هدفی این کار رو انجام میدید؟

[majidkamali1370]

از این regular expression میتونید استفاده کنید.

کد: [انتخاب]

href="*"البته اینجوری لینک رو به همراه دوتا "" و کلمه href انتخاب میکنه

[feeruzy]

از این regular expression میتونید استفاده کنید.

کد: [انتخاب]

href="*"البته اینجوری لینک رو به همراه دوتا "" و کلمه href انتخاب میکنه

با استفاده از این دستور تمام تگهای موجود در اون سطر به فایل جدید منتقل میشه. منظور من فقط انتقال URL هست بدون تگهای html

[majidkamali1370]

شما میتونی در دو مرحله این کارو انجام بدی. در مرحله اول همین کاری که گفتم رو انجام بدی که یه فایلی بدست میاد به این صورت:

کد: [انتخاب]

href="url1"
href="url2"
...بعد میتونی با یه دستور دیگه فقط URL ها رو جدا کنی.
میتونی از طریق لوله گذاری (piping) خروجی دستور اول رو ورودی دستور دوم کنی یا میتونی واسه همه اینا یه script بنویسی.

[Hadron]

چطوری میشه یه لینک رو از یه متن با grep یا sed استخراج کرد بطوریکه تنها همون url و نه تمام اون خط انتقال پیدا کنه؟

خودت که ایده‌اش را داری (-> grep & sed)، فقط با یک آپشن "o" به چیزی که می‌خوای می‌رسی!

کد: [انتخاب]

man grep

-o, --only-matching
Print  only  the  matched  (non-empty)  parts  of  a  matching line, with each such part on a separate output line.

آمیزش sed ،grep و sort برای داشتن یک برون‌ده‌ی پاک:

کد: [انتخاب]

grep -o 'href="[^"]\+"' INPUT | sort -u | sed 's/href="//' | sed 's/"//' > OUTPUT