Вопросы Теги

awk для сопоставления и вырезания полей с чередующимся разделителем

Сначала попробуйте установить пакет dkms, используя apt-get install dkms , после этого попробуйте обновить заголовок с помощью команды apt-get -y обновление Может быть, это может решить заголовок.

3
13.01.2019, 23:52
4 ответа

Это неправильный способ обработки html-файлов с помощью sed / awk /… Есть несколько специальных парсеров, но в качестве временной замены 

sed '
    /\n/{P;d;}
    /<H3/s/[><]/\n/4g
    /HREF/s/"/\n/g
    D
    ' bookmarks.htm

Для не-GNU версий ] sed : 

sed '
    /\n/{P;d;}     #if there is more then 1 line «P»rint 1st line then «d»elete all
    /<\/H3/s//\n/  #replace «</H3» by «\n»ewline
    /\n/s/">/\n/   #replace «">» by «\n»ewline if previous command is executed
    /HREF/s/"/\n/g #put «\n»ewline» around url if «HREF» in line
    D              #«D»elete 1 first line, go to start
    ' bookmarks.htm
2
27.01.2020, 21:18

На данный момент я отказался от спроса на однострочник и вместо этого сделал это как сценарий.

Мне пришлось опубликовать это в качестве ответа, так как это было бы слишком долго для комментария. Тем не менее, не стесняйтесь отвечать.

Этот сценарий выполняет свою работу, но работает слишком медленно, может ли кто-нибудь ускорить его или предложить однострочную версию? 

#!/bin/sh
file=$1
while IFS= read -r line
do
hdr=$(echo $line | awk -F'[<>]' '/H3/{print $5}')
url=$(echo $line | awk -F'"' '/HREF/{print $2}')
if [ ${url} ]; then
    echo $url
elif [ ${hdr} ]; then
    echo $hdr
fi
done <"$file"

Вот файл: (наконец-то понял) 

<html xmlns="http://www.w3.org/1999/xhtml">
<body>
  <h1>Bookmarks</h1>
  <dl>
    <dd>
        <DT><H3 ADD_DATE="1484311924" LAST_MODIFIED="1485532328">UNIX</H3>
      <dl>
        <dt><a HREF="http://unix.stackexchange.com/questions/223182/how-to-replace-spaces-in-all-file-names-with-underscore-in-linux-using-shell-scr" add_date="1484311897">url-1</a></dt>
        <dt><a HREF="http://unix.stackexchange.com/questions/81349/how-do-i-use-find-when-the-filename-contains-spaces"        add_date="1484738308">url-2</a></dt>
      </dl>
    </dd>
    <dd>
        <DT><H3 ADD_DATE="1486550854" LAST_MODIFIED="1487228526">OCE</H3>
      <dl>
        <dt><a HREF="http://www.oraclecertificationprep.com/apex/f?p=OCPSG%3AEXAM_DETAILS%3A%3A%3ANO%3A%3AP2_EXAM%3A1Z0-061"    add_date="1486550866">url-3</a></dt>
        <dt><a HREF="http://education.oracle.com/pls/web_prod-plq-dad/db_pages.getpage?page_id=303&amp;p_certName=SQ1Z0_047" add_date="1486550898">url-4</a></dt>
        <dt><a HREF="https://www.quora.com/How-do-you-prepare-for-an-Oracle-Database-SQL-exam" add_date="1486550950">url-5</a></dt>
      </dl>
    </dd>
    <dd>
        <DT><H3 ADD_DATE="1487084050" LAST_MODIFIED="1487228595">ANDROID</H3>
      <dl>
        <dt><a HREF="https://material.io/guidelines/style/color.html#" add_date="1487228526">url-6</a></dt>
        <dt><a HREF="https://developer.android.com/index.html" add_date="1487228539">url-7</a></dt>
      </dl>
    </dd>
  </dl>
</body>
</html>
0
27.01.2020, 21:18

И последний ответ: на этот раз perl с одной линией 

perl -nE 'say $1 if (/<h3.*?>(.*?)<\/h3>/i or /href="(.*?)"/i)' ex.html

(я считаю, что решения на основе синтаксического анализатора xml лучше, но поскольку у вас есть {{ 1}}, количество сюрпризов не должно быть очень большим)

1
27.01.2020, 21:18

Использование xml / html парсера / процессора имеет некоторые преимущества. Выражения Xpath являются стандартным способом выбора определенных частей.

xml + xmlstarlet + xpath

Если на входе хорошо сформированный xml, мы можем использовать xmlstarlet + xpath выражение:

xmlstarlet sel -t -v '//h3|//a/@href' -nl bookmarks.html

html + xmllint : xml

Если на входе просто правильный html, мы можем преобразовать его в xml (используя xmllint) и использовать предыдущее:

xmllint -html -xmlout ex.html | xmlstarlet sel -t -v '//h3|//a/@href' -nl -

xmllint + xpath

Мы можем использовать xmllint + xpath выражение, непосредственно 

xmllint -html -xpath '//h3/text()|//a/@href' bookmarks.html

. ... но формат вывода не тот же...

1
27.01.2020, 21:18

Теги

Похожие вопросы