parsing - 从 HTML 文件中获取 jpg 图像

Question

我正在尝试使用 grep 获取 HTML 文件中 jpg 图像的完整 url 地址。一个问题是其中没有多少换行符，所以当我使用 grep 时，它会获取路径，但也会获取很多我不感兴趣的其他内容。我如何才能获取 jpg 图像的网址？

Answer 1

一单sed命令

sed -n '/<img/s/.*src="\([^"]*\)".*/\1/p' yourfile.html

或使用 ERE ( extended regular expressions ) 避免 backslashes从上面的表达式:

sed -E -n '/<img/s/.*src="([^"]*)".*/\1/p' yourfile.html

一基本grep命令

grep -o '<img[^>]*src="[^"]*"' yourfile.html

连续两次基本grep命令

grep -o '<img[^>]*src="[^"]*"' yourfile.html | grep -o '"[^"]*"'

一单grep使用 Perl 正则表达式的命令 (每)

grep -Po '<img[^>]*src="\K[^"]*(?=")' yourfile.html

使用 ack作为 grep类似替换

sudo apt install ack
ack -o '<img[^>]*src="\K[^"]*(?=")' yourfile.html

下载网页 由 s-hunter 提出

curl -s example.com/a.html | sed -En '/<img/s/.*src="([^"]*)".*/\1/p'