Linux Shell脚本从网页中提取文本并修剪

我不知道如何诚实地修剪文字

到目前为止，我所拥有的：

wget --output-document=- http://www.geupdate.com 2>/dev/null \
| grep last \

产出：

<li><b><img src='http://www.geupdate.com/img/arrow-tail.png' align='left'>Time since last update</b>: <br />0 day, 19 hours, 23 min, 36 sec</li><li><b><img src='http://www.geupdate.com/img/ledlightblue.png' align='left'>An Update to occur within:</b> (<a href='http://www.geupdate.com/update-prediction/'><font size='-2'>?</font></a>) <br />0 day, 21 hours, 56 min, 30 sec</li>               </ul>

如果有人能告诉我如何写一些东西，或者写得这么简单，那就太好了

当我运行此命令时：

wget --output-document=- http://www.geupdate.com 2>/dev/null \
| grep last \
| grep -o '[[:digit:]]* day.* sec'

我明白了：

0 day, 19 hours, 43 min, 16 sec</li><li><b><img src='http://www.geupdate.com/img/ledlightblue.png' align='left'>An Update to occur within:</b> (<a href='http://www.geupdate.com/update-prediction/'><font size='-2'>?</font></a>) <br />0 day, 21 hours, 36 min, 50 sec

0天19小时43分钟16秒
将在以下时间内进行更新：（）
0天21小时36分钟50秒

那我怎么能在“秒”之后切断一切呢？@Aaron:那确实切断了

秒之后的一切。
grep
的
-o
标志告诉它只生成与模式匹配的子字符串，而不是拉动包含它的整行。（“O”代表“only”。虽然助记符只解释了它的一半行为：
echo 1234 | grep-O'[1234]
将在单独的行上打印
1
、
2
、
3
、和
4
，但从名称“only”来看并不明显。）我更新了我的原始帖子，以显示我运行您建议的内容时得到的结果@亚伦：哦，对不起，我没有注意到有两个独立的“日、时、分、秒”公式。我修改了我的答案，给出了一个更严格的匹配，一次只能捕获一个实例，并添加了一个
|head-1
来抑制除第一个实例以外的所有实例。Re：如何知道这些东西：我不知道。随着时间的推移，我慢慢地遇到了这些实用程序。我不知道有什么好的资源可以引导你浏览所有有用的资源。我想这是个好的开始。Re：要捕获第n个实例：您可以（例如）执行
|head-5|tail-1
来获取第五个实例，而不是
|head-1
head-5
输出其输入的前五行，而
tail-1
输出其输入的最后一行，因此
head-5 | tail-1
输出其输入的第五行。
0 day, 19 hours, 43 min, 16 sec</li><li><b><img src='http://www.geupdate.com/img/ledlightblue.png' align='left'>An Update to occur within:</b> (<a href='http://www.geupdate.com/update-prediction/'><font size='-2'>?</font></a>) <br />0 day, 21 hours, 36 min, 50 sec

wget --output-document=- http://www.geupdate.com 2>/dev/null \
| grep last \
| grep -o '[[:digit:]]* days*, [[:digit:]]* hours*, [[:digit:]]* min, [[:digit:]]* sec' \
| head -1