shell脚本与字符编码的问题（已解决）

marksman201

#!/bin/bash
wget  http://blog.chinaunix.net/u2/86590/index.php
awk '/countinfo/{getline;print}' index.php | sed 's/<.*>//g'

这个脚本得到的结果是：
·总访问量：17074

怎么把后面的17074得到呢？

注意，这里的总访问量：由于汉字编码的问题使得：
awk '/countinfo/{getline;print}' index.php | sed 's/<.*>//g' | sed 's/[^0-9]//g'
得到的结果也是：
·总访问量：17074

ps：后面的17074会改变

Shell_HAT

根据正则的贪婪性，<.*>会把整行都干掉，你是怎么得到总访问量：17074的呢？奇怪

Shell_HAT

1. 
   
2. #!/bin/bash
   
3. wget http://blog.chinaunix.net/u2/86590/index.php
   
4. awk '/countinfo/{getline;print}' index.php | sed 's/.*[^0-9]\([0-9]\{1,\}\)<\/td><\/tr>/\1/g'
   

复制代码

blackold

1. curl -s http://blog.chinaunix.net/u2/86590/index.php | grep -Po  '(?<=访问量：)[0-9]+'

复制代码

marksman201

回复 2# Shell_HAT

因为.*在<>里面

marksman201

回复 3# Shell_HAT


  这个还是不好使啊

marksman201

回复 4# blackold

黑哥威武

不过，在debian上我的grep貌似不支持-P
debian:~# curl -s http://blog.chinaunix.net/u2/86590/index.php | grep -Po  '(?<=)[0-9]+'
grep: Support for the -P option is not compiled into this --disable-perl-regexp binary
debian:~# cat /etc/issue
Debian GNU/Linux lenny/sid \n \l

估计得重新编译grep，太麻烦

找了台suse服务器，一切ok
  # cat /etc/issue
Welcome to SUSE Linux Enterprise Server 10 SP2 (x86_64) - Kernel \r (\l).

blackold

回复 7# marksman201


    sed总支持吧

1. curl -s http://blog.chinaunix.net/u2/86590/index.php|sed '/访问量/!d;s/.*访问量：\([0-9]\+\).*/\1/'

复制代码

fllintel

sed -n '/countinfo/ {n;s/<[^<]*>//gp}' file

marksman201

回复 8# blackold

sed '/访问量/!d'
好像有点儿问题，不能得到有“总访问量”的那一行

不知道是不是编码的问题