在shell脚本中使用正则表达式从字符串中提取url

Question

我需要提取一个用<strong>标签包装的URL。 这是一个简单的正则表达式，但我不知道如何在shell脚本中这样做。 这是一个例子：

line="<strong>http://www.example.com/index.php</strong>"
url=$(echo $line | sed -n '/strong>(http:\/\/.+)<\/strong/p')

我需要$url变量中的“http://www.example.com/index.php”。

使用busybox。

Answer 1

这可能有效：

url=$(echo $line | sed -r 's/<strong>([^<]+)<\/strong>/\1/')

Answer 2

url=$(echo $line | sed -n 's!<strong>\(http://[^<]*\)</strong>!\1!p')

Answer 3

您不必使用反斜杠转义正斜杠。 只需要在正则表达式中转义反斜杠。 你还应该使用非贪心匹配? -operator，以避免在HTML源代码中存在多个强标记时获得超出您想要的内容。

strong>(http://.+?)</strong

Answer 4

更新：由于busybox使用ash ，假设bash功能的解决方案可能无效。 东西只有一点点但仍然符合POSIX标准会起作用：

url=${line#<strong>}  # $line minus the initial "<strong>"
url=${url%</strong>}  # Remove the trailing "</strong>"

---

如果您正在使用bash （或具有类似功能的其他shell），则可以将扩展模式匹配与参数替换相结合。 （我不知道busybox支持哪些功能。）

# Turn on extended pattern support
shopt -s extglob

# ?(\/) matches an optional forward slash; like /? in a regex
# Expand $line, but remove all occurrances of <strong> or </strong>
# from the expansion
url=${line//<?(\/)strong>}