如何用grep从庆典

Question

我有以下内容的HTML页面，停止贪婪：

[...] 
<tr><td class="n"><a href="play-1.0.1.zip">play-1.0.1.zip</a></td></tr> 
<tr><td class="n"><a href="play-1.0.2.1.zip">play-1.0.2.1.zip</a></td></tr> 
<tr><td class="n"><a href="play-1.0.2.zip">play-1.0.2.zip</a></td></tr> 
[...] 

而且我想只提取

play-1.0.1.zip 
play-1.0.2.1.zip 
play-1.0.2.zip 

到随后找到最新版本（在这种情况下，将play-1.0.2.1.zip）

所以我试图用

cat tmp.html | grep "<a href=\".*\"" 

<a href="play-1.0.1.zip">play-1.0.1.zip</a></td><td class="m" 
<a href="play-1.0.2.1.zip">play-1.0.2.1.zip</a></td><td class="m" 
<a href="play-1.0.2.zip">play-1.0.2.zip</a></td><td class="m" 

于是，我就懒：

cat tmp.html | grep "<a href=\".*?\"" 

和否定报价

cat tmp.html | grep "<a href=\"[^\"]*?\"" 

他们两个返回没什么

我需要只匹配的部分（而不是href），然后找到最新的，但我stu CK这个贪婪的问题...

-

非常感谢所有的答案，他们都非常有用，这是很难决定哪一个是正确的，到最后我已经解决了它与：

grep -v '.*-RC.*' index.html | grep -oP 'play-1.*?.zip' | sort -Vru | head -1 

Answer 1

相反，其他的答案，这可以完全使用grep完成。

您的输出与您的输入略有不同 - 还有额外的元素显示。对于这个答案的目的，我将使用这个文件：

<tr><td class="n"><a href="play-1.0.1.zip">play-1.0.1.zip</a></td><td class="n"><a href="play-1.0.1.zip">play-1.0.1.zip</a></td></tr> 
<tr><td class="n"><a href="play-1.0.2.1.zip">play-1.0.2.1.zip</a></td><td class="n"><a href="play-1.0.1.zip">play-1.0.1.zip</a></td></tr> 
<tr><td class="n"><a href="play-1.0.2.zip">play-1.0.2.zip</a></td><td class="n"><a href="play-1.0.1.zip">play-1.0.1.zip</a></td></tr> 

有你需要做的几件事情。首先，你需要设置正确的grep开关。您需要：

• -o只输出每行
• -P使用Perl兼容的正则表达式引擎

现在你可以使用的匹配部分？改性剂，以防止贪婪匹配：

grep -o -P '<a href=".*?"' test.html 

<a href="play-1.0.1.zip" 
<a href="play-1.0.1.zip" 
<a href="play-1.0.2.1.zip" 
<a href="play-1.0.1.zip" 
<a href="play-1.0.2.zip" 
<a href="play-1.0.1.zip" 

这是不完全正确，因此我们将锚正则表达式来该行的第一场比赛：

grep -o -P '^<tr><td class="n"><a href=".*?"' test.html 

<tr><td class="n"><a href="play-1.0.1.zip" 
<tr><td class="n"><a href="play-1.0.2.1.zip" 
<tr><td class="n"><a href="play-1.0.2.zip" 

这才是正确的，但有太多的克鲁夫特。我们需要使用的是零宽度断言（PCRE语法的一部分）。基本上不包括匹配模式的正则表达式位。

grep -o -P '(?<=^<tr><td class="n"><a href=").*?(?=")' test.html 

play-1.0.1.zip 
play-1.0.2.1.zip 
play-1.0.2.zip 

现在你可以做任何你需要的排序列表。零所宽度断言的更多信息可以在这里找到：http://www.regular-expressions.info/lookaround.html

Answer 2

尝试与-E开关：

piotrekkr@piotrekkr-desktop:~$ echo '<a href="play-1.0.1.zip">play-1.0.1.zip</a></td>' | grep -E '<a href=".*?"' 
<a href="play-1.0.1.zip">play-1.0.1.zip</a></td> 

Answer 3

grep似乎不喜欢这样做的正确的工具，因为你要解开一个子匹配。

这里有一个Perl的一行，将做到这一点，但：

$ perl -ne 'while(/<a href="([^"]+)"/g){print $1, "\n";}' input 
play-1.0.1.zip 
play-1.0.2.1.zip 
play-1.0.2.zip 

Answer 4

$ grep 'href=' tmp.html | sed 's/.*href="\(.*\)".*/\1/' 
play-1.0.1.zip 
play-1.0.2.1.zip 
play-1.0.2.zip 

Answer 5

随着GNU工具，你可以做

grep -oP '(?<=<td class="n"><a href=")[^"]+' | sort -Vr | head -1 

Answer 6

AWK是一个伟大的工具，如果你知道的场数：

awk -F\" '$4 ~ /play.*zip/{ print $4 }' 

或者这是一种混乱的方式;搜索所有zip文件：

cat file | tr '"' '\n' | grep -e '.zip$' | sort -u 

这将为您获取所有zip文件。 tr实用程序使用不足，它只是替换字符，在这种情况下，用换行符替换每个双引号，很好地在自己的行中获取引用的数据，您可以在其中查找它。排序-u避免了dups。

Answer 7

一个Perl方式：

cat thefile | perl -anF'"' -e 'print $F[3],"\n";($v)=$F[3]=~/(\d.*\d)/;$m=$v if$v gt $m;}{print "max=$m\n";' 

输出：

play-1.0.1.zip 
play-1.0.2.1.zip 
play-1.0.2.zip 
max=1.0.2.1 

Answer 8

使用克雷格·安德鲁斯通过添加OSX支持提供了答案。

grep -o -P '(?<=^<tr><td class="n"><a href=").*?(?=")' /test.html | sort -n -r -k1.10,12 

结果：

play-1.0.2.1.zip 
play-1.0.2.zip 
play-1.0.1.zip 

Answer 9

没看到切割（我喜欢它的简洁&速度），因此：

切-d \” -F4 TMP。 html | sort -Vu | tail -1

输出：

play-1.0.2.1.zip