grep para ignorar padrões

10

Estou extraindo URLs de um site usando cURL como abaixo.

curl www.somesite.com | grep "<a href=.*title=" > new.txt

Meu novo arquivo.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 e cujo título termina com NOTNEEDED .

Como posso modificar minha declaração grep?

    
por Ramesh 10.02.2014 / 20:43

2 respostas

14

Não estou seguindo totalmente o seu exemplo + a descrição, mas parece que você quer isso:

$ grep -v "<a href=.*title=.*NOTNEEDED" sample.txt 
<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">

Então, para o seu exemplo:

$ curl www.example.com | grep -v "<a href=.*title=" | grep -v NOTNEEDED > new.txt
    
por 10.02.2014 / 20:58
4

A página do manual grep diz:

-v, --invert-match
    Invert the sense of matching, to select non-matching lines. (-v is specified by POSIX .) 

Você pode usar expressões regulares para várias inversões:

grep -v 'red\|green\|blue'

ou

grep -v red | grep -v green | grep -v blue
    
por 11.01.2018 / 15:37

Tags