使用 awk 以模式读取文件

Question

我有一个以下方式的输入文件

<td> Name1 </td>
<td> <span class="test"><a href="url1">Link </a></span></td>
<td> Name2 </td>
<td> <span class="test"><a href="url2">Link </a></span></td>

我想要一个 awk 脚本来读取该文件并以以下方式输出

url1 Name1
url2 Name2

任何人都可以帮我解决这个看似琐碎的问题吗？谢谢。

Answer 1

为每个提取一个 href 相对简单，只要它们符合 XHTML 标准，并且一行中最多只有一个，并且您不关心封闭标签，但 perl 更容易：

$ perl -ne 'print "$1\n" if /href="([^"]+)"/'

如果您关心封闭标签或者它们不符合标准，则无法使用正则表达式来解析 HTML。这是不可能的。

补充：哎呀，你确实关心上下文，忘记正则表达式并使用真正的 HTML 解析器

Answer 2

这是一个可以完成这项工作的 awk 脚本

awk '
/a href=\".*\"/ { sub( /^.*a href=\"/,"" ); sub(/\".*/,"");  print $0, name }
                { name = $2 }
'

Answer 3

这可能有效：

awk 'BEGIN
     {i=1}{line[i++]=$0}
     END
     {
      j=1; 
      while (j<i) 
      {print line[j+1] line[j]; j+=2}
     }' yourfile|awk '{print substr($4,7,length($4)-6),$6}'

Answer 4

gawk '/^<td>/ {n = $2; getline; print gensub(/.*href="([^"]*).*/,"\\1",1), n}' infile

url1 Name1
url2 Name2

Answer 5

awk 'BEGIN{RS=">\n"; FS="> |

每2行作为一条记录。