Html 正则表达式从Google Reader JSON文件中提取所有带星号的项目URL

不幸的是，谷歌阅读器将于年中关闭。 因为我在Google Reader中有大量带星号的项目，所以我想对它们进行备份。 这可以通过谷歌阅读器外卖实现。它以

JSON

格式生成一个文件

现在我想从这个数MB的大文件中提取所有的文章URL

起初，我认为最好使用正则表达式作为url，但似乎最好使用正则表达式提取所需的文章url，以便只查找文章url。这将防止提取不需要的其他URL

下面是一个json文件部分外观的简短示例：

"published" : 1359723602,
"updated" : 1359723602,
"canonical" : [ {
  "href" : "http://arstechnica.com/apple/2013/02/omni-group-unveils-omnifocus-2-omniplan-omnioutliner-4-for-mac/"
} ],
"alternate" : [ {
  "href" : "http://feeds.arstechnica.com/~r/arstechnica/everything/~3/EphJmT-xTN4/",
  "type" : "text/html"
} ],

我只需要您可以在此处找到的URL：

 "canonical" : [ {
  "href" : "http://arstechnica.com/apple/2013/02/omni-group-unveils-omnifocus-2-omniplan-omnioutliner-4-for-mac/"
} ],

也许有人想说正则表达式提取所有这些URL的样子

---

这样做的好处是有一种快速而肮脏的方法从Google Reader中提取带星号的项目URL，并在处理后将其导入pocket或evernote等服务。

我知道你问过regex，但我认为有更好的方法来处理这个问题。多行正则表达式是一种PITA，在这种情况下，没有必要对大脑造成这种伤害

我会从

grep

开始，而不是regex。

-A1

参数表示“返回匹配的行，然后返回一行”：

然后，我会再次搜索href：

grep -A1 "canonical" <file> | grep "href"

现在，我可以使用awk仅获取url：

grep -A1 "canonical" <file> | grep "href" | awk -F'" : "' '{ print $2 }' 

现在我只需要去掉额外的报价：

grep -A1 "canonical" <file> | grep "href" | awk -F'" : "' '{ print $2 }' | tr -d '"'

---

我知道你问过regex，但我认为有更好的方法来处理这个问题。多行正则表达式是一种PITA，在这种情况下，没有必要对大脑造成这种伤害

我会从

grep

开始，而不是regex。

-A1

参数表示“返回匹配的行，然后返回一行”：

然后，我会再次搜索href：

grep -A1 "canonical" <file> | grep "href"

现在，我可以使用awk仅获取url：

grep -A1 "canonical" <file> | grep "href" | awk -F'" : "' '{ print $2 }' 

现在我只需要去掉额外的报价：

grep -A1 "canonical" <file> | grep "href" | awk -F'" : "' '{ print $2 }' | tr -d '"'

---

太好了，这很有魅力。请给我一个提示，我如何能额外实现添加一些字符到每个项目？我想这样做

也有大约400种方法。。。perl可能是我最喜欢的：

。|perl-ne'chomp；打印“
\n”

太好了，这是一种魅力。请给我一个提示，我如何能额外实现添加一些字符到每个项目？我想这样做

也有大约400种方法。。。perl可能是我最喜欢的：

。|perl-ne'chomp；打印“
\n”

不要使用正则表达式执行此操作。正则表达式不是一根魔杖，你可以在每一个涉及文本的问题上挥舞它。使用现有的、编写的、经过测试和调试的JSON库。顺便说一句，我也对google reader的关闭感到难过。我发现这是一个可以接受的替代品。虽然不像reader那样响应迅速，但它有一个非常相似的接口，可以直接从Google Takeout XML输出导入OPML。正则表达式不是一根魔杖，你可以在每一个涉及文本的问题上挥舞它。使用现有的、编写的、经过测试和调试的JSON库。顺便说一句，我也对google reader的关闭感到难过。我发现这是一个可以接受的替代品。虽然不像reader那样响应迅速，但它有一个非常相似的界面，可以直接从Google Takeout XML输出导入OPML。

grep -A1 "canonical" <file> | grep "href" | awk -F'" : "' '{ print $2 }' | tr -d '"'

http://arstechnica.com/apple/2013/02/omni-group-unveils-omnifocus-2-omniplan-omnioutliner-4-for-mac/