Windows-如何grep（或findstr）html文件并显示第一个匹配的表达式

Question

使用grep或findstr，当通过真实名称按特定电影进行搜索时，我想获取正确的IMDB编号。

例如，电影“ Das Boot”在IMDB上的电影编号为tt0082096。

实际上，我正在尝试通过搜索机生成的html文件grep（或findstr）。

生成的html文件包含以下几部分：

<div id="statbox"> 
  <span class="uschr2">1. </span> <a href="http://www.imdb.com/title/tt0082096/" class="dublaulink">Das Boot (1981) - IMDb</a> <br>
  <div id="descbox"> 
  www.imdb.com/title/tt0082096/ - Im Cache - Ähnliche Seiten <BR>
  </div>

我要查找的字符串是包含电影URL的字符串。 在这种情况下：

http://www.imdb.com/title/tt0082096/

字符串格式如下：

http://www.imdb.com/title/tt???????/

哪里？ 代表数字0 ... 9

我的问题是：grep或findstr如何仅返回匹配字符串本身的第一次出现，而不返回包含匹配项的完整行？

非常感谢您的协助！ 最好的祝福

Answer 1

Windows findstr返回完整的行。 您可以使用GNU sed避免这种情况：

sed -rn "\#http://www.imdb.com/title/tt#s#.*href=\"(.*)\"\s.*#\1#p" file
http://www.imdb.com/title/tt0082096/

另外，您可以使用grep -o ：

  -o, --only-matching       show only the part of a line matching PATTERN

Answer 2

使用grep您可以执行以下操作：

grep -oP '(?<=href=\")[^"]+(?=\")' html.file

这不是解析html文件的理想方法。 但是，如果这是一次性的事情，那么您可能可以摆脱它。 ?<=href=\\"是后面的搜索。如果上面返回很多内容，则可以添加url行唯一的内容。