☰

Como filtrar links de HTML usando grep ou sed?

tag-icon • tag-icon command-line grep sed
Como filtrar links de HTML usando grep ou sed?

Estou tentando filtrar os links relacionados ao srcatributo do html de uma página web.

Eu costumava curlobter o sedcomando html e abaixo para filtrar os links de URL.

curl -s http://www.example.com/ | sed -n '/src/,/jpg/p'

Minha ideia era filtrar as linhas que começam srce terminam com .jpgextensão. Mas não funcionou e imprime todo o html. Como posso fazer isso?

Responder1

Experimente o seguinte comando:

curl -s http://www.example.com | grep -Po '(?<=src=")[^"]*(jpg|png)'

Explicação:

De man grep:

   -o, --only-matching
          Print only the matched (non-empty) parts of a matching line,
          with each such part on a separate output line.
   -P, --perl-regexp
          Interpret PATTERN as a Perl compatible regular expression (PCRE)

O lookbehind (?<=src=)afirma que na posição atual da string, o que precede são os caracteres src=. Então procuramos tudo, exceto "o que termina com jpg ou png.

informação relacionada