bash - 从html中提取某些扩展链接

Question

我有一个包含许多链接的 HTML 文件。我需要提取所有 mp4从页面链接并使用 sed/awk/grep 将链接保存到另一个文件。
该页面可在 page.html 离线使用。 .

示例:页面包含:

<a title="Download this file..." target="_blank" href="http://webaddress.domain.org/videos/sometext/file_name_12.mp4">

所以输出文件应该有:

http://webaddress.domain.org/videos/sometext/file_name_12.mp4

同样，该页面可能包含多个 mp4 链接。

Answer 1

您可以尝试使用 grep 和 PCRE 选项进行先行断言和后断言:

grep -oP '(?<=href=")[^"]+.mp4(?=")' file

测试:

$ cat file
<a title="Download this file..." target="_blank" href="http://webaddress.domain.org/videos/sometext/file_name_12.mp4">

$ grep -oP '(?<=href=")[^"]+.mp4(?=")' file
http://webaddress.domain.org/videos/sometext/file_name_12.mp4