从 html 文件中查找唯一的文件名答案

【问题标题】：Finding unique file names from an html file从 html 文件中查找唯一的文件名
【发布时间】：2010-12-14 06:15:27
【问题描述】：

$ cat downloaded_file.html

1373 <A HREF="http://site.com/STDMON11202010_company.txt">STDMON11202010_company.txt</A><br> Monday, November 22, 2010  1:31 AM

如何从我的 shell 脚本中搜索 html 文件并选择以 STDMON 开头并以 _company.txt 结尾的唯一文件名

【问题讨论】：

标签： regex shell sed awk grep

【解决方案1】：

如果您在 STDMON 和 _company.txt 之间只有数字，您可以这样做：

grep -o 'STDMON[0-9]*_company\.txt' input.txt | sort -u

See it

如果有什么你可以做的：

grep -oP 'STDMON.*?_company\.txt' input.txt | sort -u

【讨论】：

【解决方案2】：

 awk -F'>|<' '$3 ~ /STDMON[0-9]+_company.txt/ && !a[$0=$3]++' download_file.html

输入

$ cat downloaded_file.html
1373 <A HREF="http://site.com/STDMON11202010_company.txt">STDMON11202010_company.txt</A><br> Monday, November 22, 2010  1:31 AM
1373 <A HREF="http://site.com/STDMON11202010_company.txt">STDMON11202010_company.txt</A><br> Monday, November 22, 2010  1:31 AM
1373 <A HREF="http://site.com/STDMON11202010_company.txt">STDMON14959440_company.txt</A><br> Monday, November 22, 2010  1:31 AM
1373 <A HREF="http://site.com/STDMON11202010_company.txt">STDMON11202010_company.txt</A><br> Monday, November 22, 2010  1:31 AM
1373 <A HREF="http://site.com/STDMON11202010_company.txt">STDMON14959440_company.txt</A><br> Monday, November 22, 2010  1:31 AM
1373 <A HREF="http://site.com/STDMON11202010_company.txt">STDMON11202010_company.txt</A><br> Monday, November 22, 2010  1:31 AM
1373 <A HREF="http://site.com/STDMON11202010_company.txt">STDMON12342440_company.txt</A><br> Monday, November 22, 2010  1:31 AM

输出

$ awk -F'>|<' '$3 ~ /STDMON[0-9]+_company.txt/ && !a[$0=$3]++'
STDMON11202010_company.txt
STDMON14959440_company.txt
STDMON12342440_company.txt

【讨论】：