在线求助SHELL实现网页内容提取问题

xu520jing

http://www.nessus.org/plugins/index.php?view=single&id=11137  (举例,后面的11137或者为22222等)
如上网页,我想提取网页中的下面内容里面的"High"这个字段(这个也有可能为Medium),做一个风险等级内容的提取.
Risk factor :
High / CVSS Base Score : 7.5

请教如何实现，谢谢啦!

Shell_HAT

1. 
   
2. wget -q 'http://www.nessus.org/plugins/index.php?view=single&id=11137' -O - | sed -n '/Risk factor/{N;N;s/<br \/>//g;p}'
   

复制代码

a.a

你想做在百度google crawler !

xu520jing

D:\wget>wget http://www.nessus.org/plugins/in ... e&id=11137.html
--2010-01-06 00:39:29--  http://www.nessus.org/plugins/index.php?view=single
Resolving www.nessus.org... 66.240.11.101
Connecting to www.nessus.org|66.240.11.101|:80... connected.
HTTP request sent, awaiting response... 200 OK
Length: unspecified [text/html]
Saving to: `index.php@view=single'

    [   <=>                                 ] 12,675      12.9K/s   in 1.0s

2010-01-06 00:39:33 (12.9 KB/s) - `index.php@view=single' saved [12675]

'id' 不是内部或外部命令，也不是可运行的程序
或批处理文件。

xu520jing

'/Risk factor/{N;N;s/<br \/>//g;p}'
能帮忙解释下sed后面的这段吗?  非常感谢啦.

Shell_HAT

GNU for Windows 的命令行工具必须使用双引号：

1. 
   
2. wget -q "http://www.nessus.org/plugins/index.php?view=single&id=11137" -O - | sed -n "/Risk factor/{N;N;s/<br \/>//g;p}"
   

复制代码

Shell_HAT

把Risk factor这行以及它下面的两行读入模式空间，然后删除HTML标签<br \/>

blackold

windows下用手工吧，或者安装相应的工具。

Shell_HAT

Windows下可以用VBS来搞定，不多要写那么一段代码，还是wget+sed来的方便些

asnahu

-O - 这是什么用法，第一次看到