如何使用 awk 从 HTML 文件中提取 URL？

Question

我在源中有一个带有 javascript 和 CSS 的 HTML 文件。JS 中列出了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，不过好像是工具好用。

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

Answer 1

为什么要使用awk？sed更擅长于此：

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

Answer 2

您可以使用grep. 要包括双引号：

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

要排除双引号：

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

编辑

您可能需要做一些进一步的过滤以确保您只匹配 JavaScript 对象中的 URL：

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

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