关于XML和HTML的提取值的请教

qingyuan0o0

我在网上搜索了关于很多提取值的代码，虽然我复制下来都能得到结果，但是却看不懂，不知道怎么修改成自己需要的代码


<postfield name="backUrl" value=""/><postfield name="touchTitle" value=""/><postfield name="touchTextLength" value=""/><postfield name="msg" value="$(msg1380120040127)"/><postfield name="csrfToken" value="b30bd351371c686298d32281b337e8e9"/></go></anchor><br/> 添加&gt;<anchor>表情<go method="post" href="/im/chat/insertPic.action?

代码中csrfToken是唯一的，我想要提取他的值b30bd351371c686298d32281b337e8e9（随机的每次都会变化），而不能根据value，因为代码类似的太多，值又不一样。

根据类似的代码，我找到一个<meta name="description" content="shell如何获取html页面的title和description里的内容"/>类似的

因为看不懂，我没办法模仿，实现语句是cat renren.html | grep -i 'description' | sed -e 's/<[^<]*=\"//g' | sed -e 's/"\ \/>$//g'

只是想知道我应该如何去获取，如果只是用grep的方式，我应该怎么改

csrfToken= `grep -Eo  '<postfield name="csrfToken"(.*?)' test | grep -Eo  'video=\w+`

按照大神在第一页说的

1. <a href="/im/user/userinfoByuserid.action?touserid=123451047&amp;t=1380172127438">缘</a>[在线]&gt;<a href="/im/index/recentcontacts.action?touserid=123451047">换人</a><br/> [新]测试1[13:08]<br/> [新]测试2[13:08]<br/><input name="msg1380172127371" title="" value="" type="text" emptyok="true" maxlength="1000"/><br/><anchor>发送消息 <go method="post" href="/im/chat/sendMsg.action?touserid=123451047" accept-charset="utf-8"><postfield name="backUrl" value=""/><postfield name="touchTitle" value=""/><postfield name="touchTextLength" value=""/><postfield name="msg" value="$(msg1380172127371)"/><postfield name="csrfToken" value="xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"/></go></anchor><br/> 添加&gt;<anchor>表情<go method="post" href="/im/chat/insertPic.action?touserid=123451047" accept-charset="utf-8"><postfield name="backUrl" value=""/><postfield name="touchTitle" value=""/><postfield name="touchTextLength" value=""/><postfield name="msg" value="$(msg1380172127371)"/></go></anchor>.<anchor>动作<go method="post" href="/im/chat/insertTouch.action?touserid=123451047" accept-charset="utf-8"><postfield name="backUrl" value=""/><postfield name="msg" value="$(msg1380172127371)"/></go></anchor>.<anchor>招呼<go method="post" href="/im/chat/sayHelloToFriend.action?touserid=123451047&amp;backUrl=" accept-charset="utf-8"></go></anchor><br/> ------------<br/> [13:06] 缘:测试<anchor>转<go method="post" href="/im/sayHello/sayHelloChooseFriendsByAll.action"><postfield name="type" value="all"/><postfield name="sayHelloText" value="测试"/><postfield name="fromSelect" value="fromSelectAll"/><postfield name="selectType" value="all"/></go></anchor><br/> [12:52] 我:hh<anchor>转<go method="post" href="/im/sayHello/sayHelloChooseFriendsByAll.action"><postfield name="type" value="all"/><postfield name="sayHelloText" value="hh"/><postfield name="fromSelect" value="fromSelectAll"/><postfield name="selectType" value="all"/></go></anchor><br/> (共1页)

复制代码

页面接收到消息会有提示一个[新]和后面的[13:08]时间，再一次刷新，就会变成下面的[13:06]对方用户名:内容到下面来了<anchor>转

而用'/新/!d 就变成包含新的行不删除，但是在wget下来后，所有内容就只是在第一行，并没有换行我应该怎么，一字不漏的把它记录下来，然后15秒后再刷新？

提取类似的这3部分，一个是缘，然后是按照时间先后顺序[13:08]排序内容测试1
[13:08] 缘:测试1
[13:09] 缘:测试2
每次内容变动后就按照时间递增
求大家帮忙

reb00t

回复 1# qingyuan0o0


     grep -Eo  '<postfield name="csrfToken"(.*?)' c.txt |grep -oP '(?<=value=")[^"]+'

Shell_HAT

1. sed -r '/csrfToken/!d; s/.*csrfToken" value="([^"]+)".*/\1/' urfile

复制代码

qingyuan0o0

感谢楼上两位大哥帮忙，我测试过，第一句，会出现3个内容，包括了$(msg1380120040127) $(msg1380120040127)

LikeLx

回复 4# qingyuan0o0
你测试第一句的时候是不是把那个c.txt忘了 ？

   

Shell_HAT

回复 5# LikeLx

value="([^"]+)".*    高手，观察你用了很多次这样的写法，不是太明白，是表示以“开头后接一个或以上的"吗 ？

^在[]里面表示非

LikeLx

回复 6# Shell_HAT
多谢指点。

   

LikeLx

回复 6# Shell_HAT
高手，还想问下'/csrfToken/!d 这句是表示/csrfToken/之前的内容都删除吗？

   

Shell_HAT

回复 8# LikeLx


    包含csrfToken的行不删

jackyyen

awk可以处理呀