在unix中，将特定文本放在文件末尾

我使用

wget

检索了一个html文件。我想把所有链接，即所有

，放在文件的末尾。可能吗

例如，考虑以下文件：

<tr style="background-color: #EFEFEF">
    <td valign="top">Line1<br />2013.05.23</td>
    <td>Line2
    <br /><a href="link.html">link</a>
    <br />Line3
    </td>
</tr>

第1行
2013.05.23
第2行



第3行

我想将文本改为：

<tr style="background-color: #EFEFEF">
    <td valign="top">Line1<br />2013.05.23</td>
    <td>Line2
    <br />
    <br />Line3
    </td>
</tr>
<a href="link.html">link</a>

第1行
2013.05.23
第2行



第3行

对于示例数据中的简单锚定标记，此Perl脚本足以：

#!/usr/bin/env perl
use strict;
use warnings;

my @urls = ();

while (<>)
{
    chomp;
    if (m/\s*(<a\s+[^>]+>.*<\/a>)\s*/)
    {
        push @urls, $1;
        s///;
    }
    print "$_\n";
}

foreach my $url (@urls)
{
    print "$url\n";
}

示例输出：

<tr style="background-color: #EFEFEF">
    <td valign="top">Line1<br />2013.05.23</td>
    <td>Line2
    <br />
    <br />Line3
    </td>
</tr>
<a href="link.html">link</a>

<tr style="background-color: #EFEFEF">
    <td valign="top">Line1<br />2013.05.23</td>
    <td>Line2
    <br /> 
    <br />Line3
    </td>
</tr>
<tr style="background-color: #EFEFEF">
    <td valign="top">Line1<br />2013.05.23</td>
    <td>Line2
    <br /> extraneous material other notes 
    <br />Line3
    </td>
</tr>
<a href="link.html">link</a>
<a href="link2.html">link</a>
<a href="link3.html">link</a>
<a href="link4.html">link</a>

第1行
2013.05.23
第2行



第3行
第1行
2013.05.23
第2行

无关材料其他注释

第3行

---

您可以判断这是否足以满足您的目的。至少它为您提供了一些工作。

对于示例数据中的简单锚定标记，此Perl脚本足以：

#!/usr/bin/env perl
use strict;
use warnings;

my @urls = ();

while (<>)
{
    chomp;
    if (m/\s*(<a\s+[^>]+>.*<\/a>)\s*/)
    {
        push @urls, $1;
        s///;
    }
    print "$_\n";
}

foreach my $url (@urls)
{
    print "$url\n";
}

示例输出：

<tr style="background-color: #EFEFEF">
    <td valign="top">Line1<br />2013.05.23</td>
    <td>Line2
    <br />
    <br />Line3
    </td>
</tr>
<a href="link.html">link</a>

<tr style="background-color: #EFEFEF">
    <td valign="top">Line1<br />2013.05.23</td>
    <td>Line2
    <br /> 
    <br />Line3
    </td>
</tr>
<tr style="background-color: #EFEFEF">
    <td valign="top">Line1<br />2013.05.23</td>
    <td>Line2
    <br /> extraneous material other notes 
    <br />Line3
    </td>
</tr>
<a href="link.html">link</a>
<a href="link2.html">link</a>
<a href="link3.html">link</a>
<a href="link4.html">link</a>

第1行
2013.05.23
第2行



第3行
第1行
2013.05.23
第2行

无关材料其他注释

第3行

您可以判断这是否足以满足您的目的。至少它给了你一些可以处理的东西。

如果你只是想复制（而不是移动）文件末尾的链接，你可以做一个简单的

grep

（当然可能不适用于特殊情况）：

grep-o-P'（
如果您只想复制（而不是移动）文件末尾的链接，您可以执行一个简单的
grep
（当然可能不适用于特殊情况）：

<代码> GRP-O-P′（你有没有尝试过什么具体的方法？可能是XSLT……是的，这是可能的。它可能是不明智的。你愿意考虑哪些工具？Perl有用于解析HTML的模块；Python也一样。你可以尝试用<代码> AWK < /代码>进行游戏，但这很可能是弥赛亚。（不建议使用正则表达式解析HTML）我更喜欢<代码> AWK < /Cord>，但是你能给出具体的例子吗？你尝试过什么具体的方法吗？一个合适的方法可能会涉及XSLT……是的，这是可能的。它可能是不明智的。你愿意考虑哪些工具？Perl有用于解析HTML的模块；Python也可以。你可以尝试用<代码> AWK < /代码>的游戏，但这很有可能。我更喜欢
awk
，但你能给出具体的例子吗？