主页 / computer / 问题 / 1638009
Accepted
Roxion
Asked: 2021-03-30 12:14:01 +0800 CST

从linux命令行中的源代码中提取特定链接

  • 772

我有一个页面的 3000 行源代码文本文件。如何提取类似于下面的特定网址并删除其余源代码？

https://d17nygptf7ayu.cloudfront.net/photos/0b1983ccf6bb5674f93b.jpg

当我浏览代码时，有 60 个链接类似于上面的链接，只是 *.jpg 名称发生了变化。

作为初学者，我最不知道从哪里开始以及应该在 linux 命令行上使用哪个工具。另外我怎么能在记事本++中做到这一点？

我想出的正则表达式https\://d17nygptf7ayu\.cloudfront\.net/photos/(?:(?!\.jpg)(?:.|\n))*\.jpg

regex text-editing

1 个回答

  1. Best Answer

    此正则表达式将匹配您想要的 URL：

    https\://d17nygptf7ayu\.cloudfront\.net/photos/[0-9a-f]{20}.jpg

    [0-9a-f]以上匹配任何小写的十六进制数字，并且恰好{20}匹配其中的 20 个。

    基于正则表达式搜索的经典且非常有用的 Linux 工具是grep. 通常使用-E标志，这导致它使用扩展的正则表达式。该-o标志使其仅输出匹配的字符串。（通常grep会输出包含匹配字符串的整行。）有关如何使用的完整描述grep，请键入man grep。

    因此，要生成所有匹配 URL 的列表：

    grep -Eo 'https\://d17nygptf7ayu\.cloudfront\.net/photos/[0-9a-f]{20}.jpg' long_text_file.html >output_list_of_urls.txt

    请注意，如果您列出的文件output_list_of_urls.txt已经存在，它将被覆盖。另请注意，正则表达式是用引号引起来的。如果您的输入或输出文件名包含空格或其他特殊字符，它们也需要引号。

    • 1

相关问题