如何在shell awk或sed的特殊字符串之间获取内容？

Question

我的文件包含以下内容：

(visible:true)
url(http://style.ep.com/image/control/flash1-tab.gif)
<img src="http://img1.ep.com/4667/product/s-50f8f86cf0822.jpg.jpg" alt="god">
<script src="http://img1.ep.com/4667/codeFromLink.js"></script>

我想获得url（和）之间的内容，也要src =“和”，结果如下：

http://style.ep.com/image/control/flash1-tab.gif
http://img1.ep.com/4667/product/s-50f8f86cf0822.jpg.jpg
http://img1.ep.com/4667/codeFromLink.js

我用过以下：

awk 'BEGIN{RS=")";FS="("}NF>1{print $NF}' $file_obj
awk 'BEGIN{RS=" ";FS="src=\""}NF>1{print($NF)}' $file_obj |sed 's/\"//g'

但我得到了：

visible:true
http://style.ep.com/image/control/flash1-tab.gif
http://img1.ep.com/4667/product/s-50f8f86cf0822.jpg.jpg
http://img1.ep.com/4667/codeFromLink.js></script>

如何？ 非常感谢。

Answer 1

非常简短的grep解决方案：

grep -Po '(url\(|src=")\K[^")]*' "$file_obj"

您可以在此处阅读有关\\K 信息 。

或者更长一些，但是更安全：

grep -Po 'url\(\K[^)]*|src="\K[^"]*' "$file_obj"

Answer 2

尝试使用带有-oP参数的grep ，

$ grep -oP '(?<=url\()[^)]*|(?<=src=\")[^"]*' file
http://style.ep.com/image/control/flash1-tab.gif
http://img1.ep.com/4667/product/s-50f8f86cf0822.jpg.jpg
http://img1.ep.com/4667/codeFromLink.js

通过awk，

$ awk -F\( '/^url/{sub(/.$/,"",$2); print $2}/src=/{split($0,a,"\""); print a[2]}' file
http://style.ep.com/image/control/flash1-tab.gif
http://img1.ep.com/4667/product/s-50f8f86cf0822.jpg.jpg
http://img1.ep.com/4667/codeFromLink.js

Answer 3

$ sed -r -n -e 's/url\(([^)]+).*/\1/p' file
http://style.ep.com/image/control/flash1-tab.gif

$ sed -r -n -e 's/.*src="([^"]+).*/\1/p' file
http://img1.ep.com/4667/product/s-50f8f86cf0822.jpg.jpg
http://img1.ep.com/4667/codeFromLink.js

$ sed -r -n -e 's/url\(([^)]+).*/\1/p' -e 's/.*src="([^"]+).*/\1/p' file
http://style.ep.com/image/control/flash1-tab.gif
http://img1.ep.com/4667/product/s-50f8f86cf0822.jpg.jpg
http://img1.ep.com/4667/codeFromLink.js

Answer 4

简化的awk解决方案：

awk -F'url\\(|\\)|src="|"' 'length($2) {print $2}' file

• -F'url\\\\(|\\\\)|src="|"'定义一个正则表达式用作字段分隔符 （存储在-F命令行选项设置的保留变量FS ），有效地包含以下标记：
  • url(
  • )
  • src="
  • "
  • 请注意(和)必需的双反斜杠转义 。
    • awk的常规字符串解析在第一遍中解释了\\转义序列，因此\\\\告诉它文字\\应该成为结果正则表达式的一部分，以便正则表达式引擎看到例如\\( ，即：a (应按字面意义使用的字符（而不是启动捕获组）。
• 拆分每行将使用这些标记作为字段分隔符，将URL放入第二个字段$2 。
• 由于并非所有输入行都包含URL，因此模式length($2) （暗示： length($2) > 0 ）可确保仅对找到URL的行执行print命令{print $2} 。

警告 ：不适用于嵌入了)字符的URL，但这在实践中很少见。
要解决此问题，请改用以下内容：

awk -F'url\\(|\\)([[:blank:]]|$)|src="|"' 'length($2) {print $2}' file

Answer 5

这是另一个gnu awk （由于RS包含多个字符而导致的gnu）

awk -v RS="http" -F'[")]' 'NR>1{print RS$1}' file
http://style.ep.com/image/control/flash1-tab.gif
http://img1.ep.com/4667/product/s-50f8f86cf0822.jpg.jpg
http://img1.ep.com/4667/codeFromLink.js