如何用grep從慶典

Question

我有以下內容的HTML頁面，停止貪婪：

[...] 
<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 

到隨後找到最新版本（在這種情況下，將play-1.0.2.1.zip）

所以我試圖用

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" 

於是，我就懶：

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

和否定報價

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

他們兩個返回沒什麼

我需要只匹配的部分（而不是href），然後找到最新的，但我stu CK這個貪婪的問題...

-

非常感謝所有的答案，他們都非常有用，這是很難決定哪一個是正確的，到最後我已經解決了它與：

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

Answer 1

相反，其他的答案，這可以完全使用grep完成。

您的輸出與您的輸入略有不同 - 還有額外的元素顯示。對於這個答案的目的，我將使用這個文件：

<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> 

有你需要做的幾件事情。首先，你需要設置正確的grep開關。您需要：

• -o只輸出每行
• -P使用Perl兼容的正則表達式引擎

現在你可以使用的匹配部分？改性劑，以防止貪婪匹配：

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" 

這是不完全正確，因此我們將錨正則表達式來該行的第一場比賽：

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" 

這纔是正確的，但有太多的克魯夫特。我們需要使用的是零寬度斷言（PCRE語法的一部分）。基本上不包括匹配模式的正則表達式位。

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 

現在你可以做任何你需要的排序列表。零所寬度斷言的更多信息可以在這裏找到：http://www.regular-expressions.info/lookaround.html

Answer 2

嘗試與-E開關：

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似乎不喜歡這樣做的正確的工具，因爲你要解開一個子匹配。

這裏有一個Perl的一行，將做到這一點，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

隨着GNU工具，你可以做

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

Answer 6

AWK是一個偉大的工具，如果你知道的場數：

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

或者這是一種混亂的方式;搜索所有zip文件：

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

這將爲您獲取所有zip文件。 tr實用程序使用不足，它只是替換字符，在這種情況下，用換行符替換每個雙引號，很好地在自己的行中獲取引用的數據，您可以在其中查找它。排序-u避免了dups。

Answer 7

一個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";' 

輸出：

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·安德魯斯通過添加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 

結果：

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

Answer 9

沒看到切割（我喜歡它的簡潔&速度），因此：

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

輸出：

play-1.0.2.1.zip