Como filtrar links do html usando grep ou sed?

Question

Estou tentando filtrar os links relacionados ao atributo src do html de uma página da web.

Eu usei curl para obter o comando html e abaixo de sed para filtrar os links de URL.

curl -s http://www.example.com/ | sed -n '/src/,/jpg/p'

Minha ideia era filtrar as linhas que começam com src e terminam com .jpg extension. Mas não funcionou e imprime todo o html. Como posso fazer isso?

    

Answer 1

Tente o seguinte comando:

curl -s http://www.example.com | grep -Po '(?<=src=")[^"]*(jpg|png)'

Explicação :

De man grep :

   -o, --only-matching
          Print only the matched (non-empty) parts of a matching line,
          with each such part on a separate output line.
   -P, --perl-regexp
          Interpret PATTERN as a Perl compatible regular expression (PCRE)

O lookbehind (?<=src=) afirma que na posição atual na string, o que precede são os caracteres src= . Então, procuramos tudo, exceto " , que termina com jpg ou png.