Dotaz: Ořezání řádku

[Cejvik]

Mám nasledující řádek: <a class="Link" href="http://neco.cz/film.avi">link</a> zakonceny linuxovym koncem. Potreboval bych odstranit vse mimo http...avi abych to mohl pustit do wgetu s -i, ale neprisel jsem na to. Najde se dobra duse?

Odpovědi

[Vojtěch Horký]

sed 's#.*href="\([^"]*\)".*#\1#'

PS: wget umí (parametr si nepamatuju) přímo číst linky z HTML stránky...

[Eregon]

A ještě koukám, že jsi byl rychlejší

[Eregon]

Asi to nebude nejefektivnější řešení, ale co takhle?

echo '<a class="Link" href="http://neco.cz/film.avi">link</a>' | awk '{ print $3 }' | awk 'BEGIN { FS="\"" }{ print $2 }'

Takhle to vybere hodnotu druhého argumentu, takže pokud se může stát, že href nebude druhý, ale že se třeba prohodí s class, bude potřeba to ještě doladit.

[Eregon]

Sotva jsem to poslal, došlo mi elegantnější řešení:

echo '<a class="Link" href="http://neco.cz/film.avi">link</a>' | sed 's/.*href="//' | sed 's/".*//'

Tzn. odstranit všechno od začátku po href=". Z toho, co zbyde, pak odstranit všechno od první uvozovky do konce.

[Cejvik]

Dekuji moc, toto reseni mi prislo nejelegantnejsi a funguje dobre.

[Andrej Herceg]

Podľa mňa je elegantnejšie použiť priamo ten link a wget povedať, že vstup je html súbor (parameter --force-html). ;)