awk或者sed对不规则行怎么提取字符？

bobkey

原帖由 woodie 于 2006-4-30 12:09 发表

既然知道一定是“[高]”，楼主要的话就手工加好了。

呵呵，如果是一个文件，我根本费不着这么大的劲去提取字符，只要打开html直接复制就可以了

现在是成千上万个文件需要批量自动处理，所以……

zongyaotang

要看这里的批量文件是否由程序生成的，否则这里讨论的做法不一定能完全正确地处理。

bobkey

原帖由 zongyaotang 于 2006-4-30 15:41 发表
要看这里的批量文件是否由程序生成的，否则这里讨论的做法不一定能完全正确地处理。

确实是程序生成的，所以它们格式肯定统一。

woodie

原帖由 bobkey 于 2006-4-30 13:52 发表


呵呵，如果是一个文件，我根本费不着这么大的劲去提取字符，只要打开html直接复制就可以了

现在是成千上万个文件需要批量自动处理，所以……

楼主真的是很挑剔！^_^
试问取得的内容有哪一个不是高危的漏洞呢？既然都是高危，加不加“[高]”字样有何区别呢？实在要加的话：
sed 's/$/[高]/'
这样很难么？


其实楼主的特征描述(指字体颜色)并未抓住核心的东西。楼上zongyaotang兄弟的顾虑是有道理的，网站的排版稍一改变，我们的代码可能就会失效了。
但愿下面这段perl能让楼主满意：

1. perl -0e '$_=<>;
   
2.   @a=grep /\[高\]/, split(/<br>/i);
   
3.   @b=map {
   
4.     ($x=$_) =~ s/.*>([^<>]*MS\d+-\d+[^<>]*(?:<[^<>]*>)*\[高\]).*/\1/s;
   
5.     $x =~ s/<[^<>]*>//g; $x =~ s/^(&nbsp;)+//g;$x =~ s/&nbsp;/ /g;
   
6.     $x;} @a;
   
7.   print map $_."\n", @b;'

复制代码

[ 本帖最后由 woodie 于 2006-4-30 17:46 编辑 ]

bobkey

回复楼上，首先感谢你的帮助，
1.但要取的字符除了[高]，还有[中][低]，可以看第一页我上传的html文件。
2.颜色确实是唯一字符
3.排版确实是统一的，是用机器生成的。

在5.1期间我经过测试，用如下语句良好完成我需要的功能。
grep "BC3232" aaa.html|sed -e 's/BC3232>/\n/g' |cut -d '<' -f1|sed -e '/^$/d'

woodie

原帖由 bobkey 于 2006-5-8 10:00 发表
回复楼上，首先感谢你的帮助，
1.但要取的字符除了[高]，还有[中][低]，可以看第一页我上传的html文件。
2.颜色确实是唯一字符
3.排版确实是统一的，是用机器生成的。

在5.1期间我经过测试，用如下语句良好 ...

1.取的不全是[高]吗？那么下面的话难道不是你自己贴上来的吗？

原帖由 bobkey 于 2006-4-29 18:16 发表

这个任务我必须完成，所以把附件传上来了，我现在要达到这个要求：
1。第一次的高风险数全部列出来
2。如果进行了第二此扫描则要和第一次进行对比，分析哪些是新漏洞

大家看下附件吧，看怎么把高风险的内容 ...

2.现在是。
3.页面是机器/程序生成的，但页面的模板则未必，人家随时可能改变模板中的排版而不会事先通知您老人家。^_^

至于你选择哪段代码，那是您的权力，我不干涉。

[ 本帖最后由 woodie 于 2006-5-22 22:11 编辑 ]