有一个摘取网页url的问题,求救于高手

dvbs2000

想从这种网页已知网页内容希望从中找出url来

比如：
<tr><td class=a><a href="http://www.aaa.com/test.php?id=123" target="_blank"><font size="3">这是一个测试<font color=#C60A00>test</font>

希望找到文本："这是一个测试"   所对应的url地址: http://www.aaa.com/test.php?id=123

应该如何处理呢？
感谢!

寂寞烈火

grep -o 'http://www.*id=[0-9]\+'

dbcat

grep -o 'http://[^"]*'

dvbs2000

这样可以把所有的url都找出来了。不过因为网页这样的链接太多了。只需要找到特定文本 "这是一个测试" 所对应的url，别的url都不要。这该怎么办呢? 感谢高手出手

linuxbao3

原帖由 dbcat 于 2006-4-19 17:35 发表
grep -o 'http://[^"]*'

弱弱的问一下，可不可这样
grep -o 'http://*\"'
就是让grep抓取到 “"”号结束。刚学shell，不要拍我

linuxbao3

晕了。自己发现我写错了。我那样写会把"也抓下来的

woodie

html文件，用perl或python方便些。

xxjoyjn

原帖由 寂寞烈火 于 2006-4-19 17:29 发表
grep -o 'http://www.*id=[0-9]\+'

正解

xxjoyjn

我觉得这样写更精确一些
grep -o 'http://[a-z0-9A-Z.]\+[0-9a-zA-Z/.?=]*' < file