从文件中提取文本并将该行输出到文件中

Question

在 html 文件上使用 grep 后，我得到以下输出：

      <div id="v3060000-3062005" class="BLAH...>
      <div id="v50001027-50002018" class="BLAH...>
      <div id="v907200-907202" class="BLAH...>
      <div id="v20024011-20024012" class="BLAH...>

我需要从上面的行中提取数字字符串并将它们组合成一个 URL，例如：

http://x.y.z/3060000-3062005,50001027-50002018,907200-907202,20024011-20024012.mp3

我可以知道如何使用 shell 脚本来做到这一点吗？

Answer 1

通常，我会建议您使用合适的 HTML 解析器来解析 HTML。

但是，这些数据看起来非常简单：使用双引号（可选后跟“v”）作为字段分隔符，获取每行的第二个字段。然后用逗号连接碎片

result=$( grep ... file.html | awk -F'"v?' '{print $2}' | paste -sd, )
echo "http://x.y.z/$result.mp3"

Answer 2

假设您将问题的输入数据存储在名为 的文件中data.txt，您可以使用此命令生成 URL：

grep -Po '\d+-\d+' data.txt | tr '\n' ',' | sed -r 's/(.*),$/http:\/\/x.y.z\/\1.mp3/'

这是一个示例运行：

$ grep -Po '\d+-\d+' data.txt | tr '\n' ',' | sed -r 's/(.*),$/http:\/\/x.y.z\/\1.mp3/'
http://x.y.z/3060000-3062005,50001027-50002018,907200-907202,20024011-20024012.mp3

它能做什么：

• grep -Po '\d+-\d+' data.txtNUMBER-NUMBER从您的数据中提取所有序列，例如3060000-3062005每行输出一个序列。
• tr '\n' ',' 将其输入的所有换行符转换为逗号，有效地将行连接在一起。
• sed -r 's/(.*),$/http:\/\/x.y.z\/\1.mp3/'从其输入中删除尾随逗号并将其嵌入到字符串中http://x.y.z/\1.mp3，替换\1. 请注意，字符串中的所有斜杠都必须用反斜杠转义。