在Shell脚本中使用正则表达式从字符串中提取URL

Question

我需要提取被标签包裹的URL。这是一个简单的正则表达式，但我不知道如何在shell脚本中实现。以下是示例：

line="<strong>http://www.example.com/index.php</strong>"
url=$(echo $line | sed -n '/strong>(http:\/\/.+)<\/strong/p')

我需要在$url变量中存储"http://www.example.com/index.php"。

使用busybox。

- Serge

Answer 1

这可能会起作用：

url=$(echo $line | sed -r 's/<strong>([^<]+)<\/strong>/\1/')

- Sicco

Answer 2

url=$(echo $line | sed -n 's!<strong>\(http://[^<]*\)</strong>!\1!p')

- perreal

Answer 3

在正则表达式中，您不必使用反斜杠转义正斜杠。只有反斜杠需要在正则表达式中进行转义。当HTML源代码中存在多个强标签时，您还应该使用非贪婪匹配和?运算符，以避免获取超出您所需的内容。

strong>(http://.+?)</strong

- Philipp

Answer 4

更新：由于 busybox 使用的是 ash，因此假设使用 bash 特性的解决方案可能不起作用。仍然符合 POSIX 标准的稍微长一些的解决方案将会起作用：

url=${line#<strong>}  # $line minus the initial "<strong>"
url=${url%</strong>}  # Remove the trailing "</strong>"

---

如果您正在使用bash（或具有类似功能的其他shell），则可以将扩展模式匹配与参数替换相结合。（我不知道busybox支持哪些功能。）

# Turn on extended pattern support
shopt -s extglob

# ?(\/) matches an optional forward slash; like /? in a regex
# Expand $line, but remove all occurrances of <strong> or </strong>
# from the expansion
url=${line//<?(\/)strong>}

- chepner