Regex使用grep从html文件中查找外部链接

从过去几天开始，我一直在尝试开发一个正则表达式，它可以从使用grep提供给它的网页中获取所有外部链接

这是我的grep命令

grep -h -o -e "\(\(mailto:\|\(\(ht\|f\)tp\(s\?\)\)\)\://\)\{1\}\(.*\?\)" "/mnt/websites_folder/folder_to_search" -r 

现在grep似乎在给定行中的外部链接之后返回所有内容

范例

如果html文件在同一行中包含类似的内容

谷歌https://yahoo.com“>雅虎

然后，给定的grep命令返回以下结果

http://www.google.com">Google</a><p><a href='https://yahoo.com'>Yahoo</a></p>

使用上述输入进行工作 但我无法在grep中复制相同的功能 有人能帮忙吗 我不能修改html文件，所以不要要求我这样做，我也不能查找每个特定的标记并检查它们的属性以获得外部链接，因为这会增加处理时间，而我的应用程序并不要求这样做

谢谢

试试这个：

cat/path/to/file | egrep-o“（mailto | ftp | http（s）？：/）{1}[^'\“]+”

每行输出一个链接。它假定每个链接都在单引号或双引号内。若要排除某些特定域链接，请使用

-v

：

egrep -o "(mailto|ftp|http(s)?://){1}[^'\"]+" /path/to/file | egrep -v "yahoo.com"

---

默认情况下，grep打印找到匹配项的整行。

-o

开关仅选择行中匹配的部分。请参阅。

不客气。'Thank'太过分了，接受答案就足够了（：

egrep -o "(mailto|ftp|http(s)?://){1}[^'\"]+" /path/to/file

egrep -o "(mailto|ftp|http(s)?://){1}[^'\"]+" /path/to/file | egrep -v "yahoo.com"