awk如何取域？

chzht001

我想用awk取某个html页中的<A HREF="xxxxx">432432</A>中的xxxxx部分，请教该怎么取？

[ 本帖最后由 chzht001 于 2008-2-21 14:17 编辑 ]

无声无息

1. 
   
2. #awk -F"\"" '{print $2}' ufile
   

复制代码

chzht001

原帖由 无声无息 于 2008-2-21 14:21 发表

#awk -F"\"" '{print $2}' ufile

是我说少了，通常html页中会有许多的"而不是我上面写的，所以你这个命令好像不行啊

davistar

如果在一行中是唯一的

1. 
   
2. sed 's/.*<A HREF="\([^"]\+\)".*/\1/'  urfile
   
3. 
   
4. gawk  '{print gensub(/.*HREF="([^"]+)".*/,"\\1","g",$0)}' urfile
   

复制代码

[ 本帖最后由 davistar 于 2008-2-21 15:40 编辑 ]

lovelyarry

/[hH][rR][eE][fF]/ {         match($0, "[hH][rR][eE][fF][ \t]*=[ \t]*[^ \t>]+");         hyper_link = substr($0, RSTART, RLENGTH);         hyper_link = substr(hyper_link, index(hyper_link, "=") + 1);         if(substr(hyper_link, 1, 1) == "\"" || substr(hyper_link, 1, 1) == "\'")                 hyper_link = substr(hyper_link, 2);         if(substr(hyper_link, length(hyper_link), 1) == "\"" || substr(hyper_link, length(hyper_link), 1) == "\'")                 hyper_link = substr(hyper_link, 1, length(hyper_link) - 1);         printf("href = [%s]\n", hyper_link); }

jiayisuse

awk 'BEGIN{RS="\""}{if($0~/=$/)next;print;exit 0}' filename

luyi1983

CODE:
sed 's/.*<A HREF="\([^"]\+\)".*/\1/'  urfile

gawk  '{print gensub(/.*HREF="([^"]+)".*/,"\\1","g",$0)}' urfile

4楼的好，其他都有很大局限性的。
lz最多在前面用grep精确找下 HREF， 再用管道连上4楼的，个人觉得ok了。
e.g. grep 'HREF\>' urfile|gawk  '{print gensub(/.*HREF="([^"]+)".*/,"\\1","g",$0)}'

todayhero

php写的.

<?php
//<A HREF="xxxxx">432432</A>
//指定url地址
$page = "http://www.u.cn/";
//获取url的html代码
$html = file_get_contents($page);
//通过正则表达式匹配所要的数据
preg_match_all("/href=\"[a-z\.]+\">([^<]+)</",$html,$out);
print_r($out);
?>


OUTPUT:

Array
(
    [0] => Array
        (
            [0] => href="help.html">★软件使用帮助<
        )

    [1] => Array
        (
            [0] => ★软件使用帮助
        )

)