Estou extraindo URLs de um site usando cURL como abaixo.
curl www.somesite.com | grep "<a href=.*title=" > new.txt
Meu arquivo new.txt é como abaixo.
<a href="http://website1.com" title="something">
<a href="http://website1.com" information="something" title="something">
<a href="http://website2.com" title="some_other_thing">
<a href="http://website2.com" information="something" title="something">
<a href="http://websitenotneeded.com" title="something NOTNEEDED">
No entanto, preciso extrair apenas as informações abaixo.
<a href="http://website1.com" title="something">
<a href="http://website2.com" information="something" title="something">
Estou tentando ignorar o <a href
que tem informações neles e cujo título termina com NOTNEEDED .
Como posso modificar minha declaração grep?
curl www.somesite.com | grep "<a href=.*title=" | grep -v NOTNEEDED > new.txt
?Respostas:
Eu não estou seguindo totalmente o seu exemplo + a descrição, mas parece que o que você quer é este:
Então, para o seu exemplo:
fonte
A página do manual grep diz:
Você pode usar expressões regulares para várias inversões:
ou
fonte