使用sed根据多个参数从html中提取整数

首先，让我说：
我知道注册html被认为是一种糟糕的方法，但如果chuck norris可以，为什么我不能呢？；）
我要分析此html页面：
基于三个参数。我试过：（谢谢你pixellany）

返回228344而不是228338
我试着：（谢谢你加倍努力）

返回228343而不是228338 预期结果是228338，因为它是第一个数字，前面是“downloadstitle.php\？id\=”，后面是“希伯来语”和“尽管”
我缺少什么？

Perl解决方案：

perl -nE '
    @fields = split /downloadsubtitle\.php\?id=([0-9]+)/;
    for (1 .. $#fields) {
        next unless $_ % 2;
        say $fields[$_] if $fields[$_ + 1] =~ /hebrew.*DESPiTE/;
    }
' unAifctF.html

---

它是如何工作的？它在downloadstitle.php？id=XXX上拆分一行，同时将数字保持在中间。然后，它打印一个数字，如果它后面的字符串直到下一个

downloadsubtitle…

包含

希伯来语
，然后是
，尽管
问题是
*
是一个贪婪的操作符，因此它将尽可能多地匹配，导致它不是在第一个可能的匹配上停止，而是在最后一个可能的匹配上停止。因此，您可能应该更改它试图匹配的内容。问题是，您希望它匹配除另一个“downloadstitle.php？id=”之外的任何内容，这在
sed
中很困难。您可以创建一个更复杂的sed脚本，也可以使用一个简单的变通方法，假设链接和title=）之间没有任何
？
s）

如果您想要一个合适的脚本：

#!/bin/sed -nf

: next
$! { N; b next }
s/\n//g

s/downloadsubtitle\.php?id=\([0-9][0-9]*\)/\
\1/

: loop
s/^[^\n]*\n//

h
s/\([0-9]*\).*/\1/
x

s/downloadsubtitle\.php?id=\([0-9][0-9]*\)/\
\1/
/^[^\n]*hebrew[^\n]*DESPiTE/ { g; p; q }
/^[0-9]*/ b loop

该脚本首先将整个文件加载到模式空间（即工作缓冲区）。它在前两行中执行此操作。第一行用
：
命令声明一个名为
next
的标签。第二行使用
N
命令将input中的下一行追加到模式空间中，然后跳回
next
标签，但这两个命令仅在我们尚未读取最后一行时执行。第三行删除所有换行符

现在，我们将第一次出现的
downloadstitle\.php？id=[0-9][0-9]*
替换为换行符（由反斜杠和实际的新行表示）和id号

创建一个新的标签
循环
，之后我们要做的第一件事是删除第一个换行符之前的所有内容（因此我们删除id之前的所有内容）

现在我们有了一系列命令，可以提取数字并将其存储到保持空间（一个辅助缓冲区）中。我们首先使用
h
命令将整个模式空间复制到保持空间，然后删除数字后面的所有内容，然后用
x
交换保持空间和模式空间的内容。现在，保留空间包含数字，模式空间恢复为其值

为了防止贪婪的搜索，我们将在下一次出现
downloadstitle\.php？id=[0-9][0-9]*
之前放置一个换行字符。我们也可以只留下ID号，因为换行符将指示我们找到了字符串的其余部分

现在是搜索部分。总而言之，我们在保留空间中有实际的ID，模式空间的第一行是我们要搜索文本的地方。因此，我们使用搜索表达式，从缓冲区的开始搜索字符串
希伯来语
和
尽管
，它们彼此之间或从缓冲区的开始处没有换行符。因此，我们只搜索了第一行

如果找到匹配项，我们使用
g
从保留空间获取ID，
p
打印它，然后使用
q
退出

如果没有找到匹配项，我们只需跳回
循环
标签，然后搜索下一个发生的情况。跳转之前的条件是防止无限循环。如果没有什么可搜索的，它就会退出

希望这有帮助=）
这可能对您有用（GNU-sed）：

解释：


/[\x00\x01\x02]/q1
检查行中是否包含分隔符，如果包含分隔符，请使用错误代码中止
1
/hebrew/！Bs//\x01/
检查行中是否包含
希伯来语
，如果没有跳出，则将单词
希伯来语
翻译为单个字符
\x01
/尽管如此/！Bs//\x02/
检查行中是否包含
尽管
如果未跳出，则将单词
尽管
翻译为单个字符
\x02
/downloadstitle.php？id=/！Bs//\x00/
检查行中是否包含
downloadstitle.php？id=
如果没有跳出，则将单词
downloadstitle.php？id=
翻译为单个字符
\x00
s/*\x00\（[0-9]\+\）[^\x00\x01\x02]*\x01[^\x00\x01\x02]*\x02.*/\1/p
打印出所需的数字
我想放一个变量而不是“尽管”，比如：perl-nE'@fields=split/downloadstitle\.php\？id=（[0-9]+）/；对于（1..$#fields）{next除非$%2；如果$fields[$#+1]=~/hebrew.*$var/；}'unAifctF.html，我很累，但它不起作用。我需要转义它吗？@buntuser:如果变量可能包含特殊字符，您应该引用它：
/hebrew.*\Q$var\E/
我尝试过/hebrew.*\Q$var\E/和-/\Q$var1.*\Q$var\E/都不返回任何内容。如果返回原始，我会得到id（数字），当然$var将包含字母或数字。没有特殊字符。@buntuser:是的。单引号实际上中断了带引号的字符串，让shell插入变量值。
perl -nE '
    @fields = split /downloadsubtitle\.php\?id=([0-9]+)/;
    for (1 .. $#fields) {
        next unless $_ % 2;
        say $fields[$_] if $fields[$_ + 1] =~ /hebrew.*DESPiTE/;
    }
' unAifctF.html

sed -nr 's/.*downloadsubtitle.php\?id\=([0-9]+)[^?]*hebrew[^?]*DESPiTE.*/\1/p'

#!/bin/sed -nf

: next
$! { N; b next }
s/\n//g

s/downloadsubtitle\.php?id=\([0-9][0-9]*\)/\
\1/

: loop
s/^[^\n]*\n//

h
s/\([0-9]*\).*/\1/
x

s/downloadsubtitle\.php?id=\([0-9][0-9]*\)/\
\1/
/^[^\n]*hebrew[^\n]*DESPiTE/ { g; p; q }
/^[0-9]*/ b loop

sed -n '/[\x00\x01\x02]/q1;/hebrew/!b;s//\x01/;/DESPiTE/!b;s//\x02/;/downloadsubtitle.php?id=/!b;s//\x00/;s/.*\x00\([0-9]\+\)[^\x00\x01\x02]*\x01[^\x00\x01\x02]*\x02.*/\1/p' file