Dotaz: SED - extrakce retezce z html

[Honza]

Dobry den, uz 2 dny se trapim se sedem. Potrebuji z textu vytahnout urcite retezce, ktere jsou ohraniceny jinymi retezci. Dam priklad:

-w ref='c1' click="video('XXX');" --img src='img.jpg'--/a>

-w ref='c2' click="video('XXX');" --img src='img.jpg'--/a>

-w ref='c3' click="video('XXX');" --img src='img.jpg'--/a>

-w ref='c4' click="video('XXX');" --img src='img.jpg'--/a>

kde XXX je zcela obecnej text, na kazdem radku jinej. Potrebuji do vysledneho souboru ulozit pouze retezce XXX Uz sem zkousel s/ /d ale ani jedno mi nechtelo fungovat Diky Jan Muller

Odpovědi

[Zdeněk Molík]

No nevím zda jsem to přesně pochopil, ale pro uvedený příklad ( vstupní soubor in.html) by to mohlo býti následovně:

sed -n -e "/video/p" < in.html | sed -e "s/.*video('\(.*\)').*/\1/ > out.txt

Nejdříve si vyfiltruji pouze řádky s s textem video a pak vlastní obsah, který uložím do souboru out.txt

[Honza]

skvely...funguje to...moc moc diky Honza

[qiRzT]

Má to jeden drobnej nedostatek. Nebude to fungovat pokud na řádku za video(XXX) bude někde ). Ale na to už je, tuším, sed krátkej... Jinak jako dva zlepšováky doporučuju:

1) sed -n -e "/video/p" < in.html | sed -e "s/.*video('\([^)]*\)').*/\1/ > out.txt , pokud v XXX nejsou závorky

2) sed -n -e "/video/p" < in.html | sed -e "s/.*video('\(.*\)')\;.*/\1/ > out.txt pokud tam závorky jsou, řeší to aspoň trochu problém s další ) na řádku. Teď tam nesmí být );.

[kirpike]

Když už, tak proč ne takto:

sed -n -e "/.*video('\([^']*\)');.*/{s//\1/;p}" <in.html >out.txt

pak to zvládne i tento vstup:

-w ref='c1' click="video('alpha');" --img src='img.jpg'--/a> neco('xxx');
bla bla
-w ref='c2' click="video('beta');" --img src='img.jpg'--/a> nic(xxx)
Bla Bla Bla
-w ref='c3' click="video('gama');" --img src='img.jpg'--/a;gt;
To je prima video.

[YYY]

Nejlepsi by bylo pouziti AWK