使用 linux command/srcipting 在 HTML 的特定单词后提取单词

Question

我有一个文件 'tes.html' :

<html>
<head><title>Index of /Data/Movies/Hollywood/2016_2017/</title></head>
<body bgcolor="white">
<h1>Index of /Data/Movies/Hollywood/2016_2017/</h1><hr><pre><a href="../">../</a>
<a href="1%20Buck%20%282017%29/">1 Buck (2017)/</a>                                     25-Nov-2019 10:25       -
<a href="1%20Mile%20to%20You%20%282017%29/">1 Mile to You (2017)/</a>                              25-Nov-2019 10:26       -
<a href="1%20Night%20%282016%29/">1 Night (2016)/</a>                                    25-Nov-2019 10:27       -
</pre><hr></body>
</html>

我想获取"%29/">"后的值到output.txt并提供一个header'title',例子:

title
1 Buck (2017)/
1 Mile to You (2017)/
1 Night (2016)/

如何使用 linux 命令（如 awk、sed 或其他命令）获得与上述文件类似的输出文件。

我试过这段代码：

awk '{for (I=1;I<NF;I++) if ($I == "%29/">") print $(I+1)}' file

Answer 1

使用您展示的示例，请尝试以下操作。

awk 'BEGIN{print "title"} match([=10=],/%29\/">[^/]*/){print substr([=10=],RSTART+6,RLENGTH-5)}'  Input_file

说明：为以上代码添加详细说明。

awk '                                   ##Starting awk program from here.
BEGIN{print "title"}
match([=11=],/%29\/">[^/]*/){               ##Using match function to match regex %29\/"> till / here.
  print substr([=11=],RSTART+6,RLENGTH-5)   ##Printing sub string here.
}
'  Input_file                           ##Mentioning Input_file name here.

Answer 2

还可以使用 awk 将 FS 设置为 '[><]' 并打印 </code>:</p> <pre><code>awk -F'[><]' 'BEGIN{ print "title" } /%29/ {print }' file title 1 Buck (2017)/ 1 Mile to You (2017)/ 1 Night (2016)/

或者这个使用 </code> 的最后一个（你需要的条件）：</p> <pre><code>awk -F'[><]' 'BEGIN{ print "title" } ~ /%29\/"$/ {print }' file title 1 Buck (2017)/ 1 Mile to You (2017)/ 1 Night (2016)/

使用 linux command/srcipting 在 HTML 的特定单词后提取单词

Extract word after a specific word of HTML using linux command/srcipting

linux

shell

scripting

awk

sed