Помогите с SED регулярками

[Dexel]

Здравствуйте.
Есть файл index.html, с него нужно извлечь ссылки.
Все регулярки sed -в одном фале, для чистоты кода.

Код: [Выделить]

cat index.html | sed -nrf contpost_2.sed
contpost_2.sed

Код: [Выделить]

#!/bin/sed
# Разделение тегов на строки.
s/</\n</g
# Извлечение всех тегов img
# там знаки равенства и подчёркивания - для отладки
s|((.*<img[^>]*>)+.*)+|=\2_\n|gp

На выходе:

Код: [Выделить]

=
<img width="200" height="150" class="alignleft size-full wp-image-10" alt="Бальзамин" src="/media/balzamin2.jpg" />_

=
<img width="250" height="198" class="alignleft size-full wp-image-10" alt="Бальзамин" src="/media/balzamin-uollera.jpg" />
<img width="200" height="200" class="alignright size-full wp-image-10" alt="Бальзамин" src="/media/balzamin-fiesta.jpg" />_

=
<img width="250" height="174" class="alignleft size-full wp-image-10" alt="Бальзамин" src="/media/balzamin3.jpg" />_

=Семена высевают в феврале,прорастают через 10-15 дней, зацветают через 3-4 месяца.
<img width="250" height="168" class="alignright size-full wp-image-10" src="/media/balzamin4.jpg" alt="Бальзамин" />_

Здесь он 2 и 3 рисунки выдал как 1 строчку. Если это отфильтровать через grep:

Код: [Выделить]

cat index.html | sed -nrf contpost_2.sed | grep imgВывод:

Код: [Выделить]

<img width="200" height="150" class="alignleft size-full wp-image-10" alt="Бальзамин" src="/media/balzamin2.jpg" />_
<img width="250" height="198" class="alignleft size-full wp-image-10" alt="Бальзамин" src="/media/balzamin-uollera.jpg" />
<img width="200" height="200" class="alignright size-full wp-image-10" alt="Бальзамин" src="/media/balzamin-fiesta.jpg" />_
<img width="250" height="174" class="alignleft size-full wp-image-10" alt="Бальзамин" src="/media/balzamin3.jpg" />_
<img width="250" height="168" class="alignright size-full wp-image-10" src="/media/balzamin4.jpg" alt="Бальзамин" />_
рисунки нормально разделятся.
Но здесь же видно, что второй и третий слеплены, (подчёркивание справа)

В исходном html файле второй и третий рисунки одной строчкой идут. Для этого вначале разделил все теги переводом строки.

Все попытки вывернуть пути src с img заканчивались тем, что второго нет.

спасибо
Пользователь решил продолжить мысль 29 Июля 2014, 11:39:01:То же самое другим методом.

Код: [Выделить]

cat index.html | sed "s/</\n</g" | sed -rn 's|.*(<img[^>]*>).*|\1|gp'На выходе 5 ссылок:

Код: [Выделить]

<img width="200" height="150" class="alignleft size-full wp-image-10" alt="Бальзамин" src="/media/balzamin2.jpg" />
<img width="250" height="198" class="alignleft size-full wp-image-10" alt="Бальзамин" src="/media/balzamin-uollera.jpg" />
<img width="200" height="200" class="alignright size-full wp-image-10" alt="Бальзамин" src="/media/balzamin-fiesta.jpg" />
<img width="250" height="174" class="alignleft size-full wp-image-10" alt="Бальзамин" src="/media/balzamin3.jpg" />
<img width="250" height="168" class="alignright size-full wp-image-10" src="/media/balzamin4.jpg" alt="Бальзамин" />

То же самое, но в скрипте:

Код: [Выделить]

cat index.html | sed -nrf contpost_2.sedкод contpost_2.sed:

Код: [Выделить]

s/</\n</g
s|.*(<img[^>]*>).*|\1|gp
На выходе уже 4 ссылки:

Код: [Выделить]

<img width="200" height="150" class="alignleft size-full wp-image-10" alt="Бальзамин" src="/media/balzamin2.jpg" />
<img width="200" height="200" class="alignright size-full wp-image-10" alt="Бальзамин" src="/media/balzamin-fiesta.jpg" />
<img width="250" height="174" class="alignleft size-full wp-image-10" alt="Бальзамин" src="/media/balzamin3.jpg" />
<img width="250" height="168" class="alignright size-full wp-image-10" src="/media/balzamin4.jpg" alt="Бальзамин" />
Потерялась вторая

Вот разница лишь в том, что код SED поместил в файл. Что за....?

[Azure]

А зачем "мучить" sed когда grep’а вполне достаточно?

Код: (bash) [Выделить]

grep -o '<img[^>]*>' index.htmlПользователь решил продолжить мысль [time]29 Июль 2014, 15:49:18[/time]:А разница в "другом методе" между строкой и скриптом состоит в том что в строке над всем файлом выполняется разделение по строкам, а потом (по пайпу) над этими строками (всеми по очереди) выполняется извлечение ссылок, а при работе скрипта обе операции выполняются над одной строкой последовательно. Как говорится "почувствуй разницу"

Код: (bash) [Выделить]

sed "s/</\n</g" | sed -rn 's|.*(<img[^>]*>).*|\1|gp'a скриптом:

Код: (bash) [Выделить]

sed -rne "s/</\n</g" -e 's|.*(<img[^>]*>).*|\1|gp'