🚀 go-pugleaf

-----BEGIN PGP SIGNED MESSAGE-----
Hash: SHA1

ABSOLUT <davidtuti@gmail.com> writes:

> Tengo un fichero de texto con un codigo html todo en una misma linea,
> os pongo un trozo:
>
> ..............
>
> Quiero sacar unas urls que estan en el fichero y me he dado cuenta que
> coinciden en un patron. Todas comienzan por <a href="http...... y
> finalizan con ". Pero no se como hacerlo... lo he intentado con sed
> pero al estar en una linea no se muy bien como realizarlo

Con sed no he sido capaz de sacar nada en limpio. Con Perl es m�s
manejable. Con algo como lo siguiente consigo sacar cosas bastante
l�mpias (aunque presupone que no aparecen comillas dobles en las URLs,
lo cual puede no ser cierto):

perl -ne '@urls = m/<a href= *"([^"]*?)"/go; foreach $i (@urls) { print $i . "-----\n" }' < fichero

Deber�a ir todo en una l�nea. Si llega partido es por culpa del gestor
de correo :-)

Saludos. I�aki.

- -- 
Mondragon University

GPG Key available at public keyservers
-----BEGIN PGP SIGNATURE-----
Version: GnuPG v1.4.6 (GNU/Linux)
Comment: Processed by Mailcrypt and GPG

iD8DBQFJXV+CRgC43oKhB3QRAnPrAJ0RFBcSJ69WmrqxX97B0ZABsFiiggCfYBAX
pwUUgaD8ksXRaOu/LL/doYM=
=t/Yu
-----END PGP SIGNATURE-----

-----BEGIN PGP SIGNED MESSAGE-----
Hash: SHA1

Ignacio Arenaza <iarenaza@eb2ebu.ampr.org> writes:

> perl -ne '@urls = m/<a href= *"([^"]*?)"/go; foreach $i (@urls) { print $i . "-----\n" }' < fichero

Ups! Se me ha olvidado borrar el marcador ('-----') que he usado para
las pruebas intermedias. Deber�a ser:

> perl -ne '@urls = m/<a href= *"([^"]*?)"/go; foreach $i (@urls) { print $i, "\n" }' < fichero

Saludos. I�aki.

- -- 
Mondragon University

GPG Key available at public keyservers
-----BEGIN PGP SIGNATURE-----
Version: GnuPG v1.4.6 (GNU/Linux)
Comment: Processed by Mailcrypt and GPG

iD8DBQFJXV/YRgC43oKhB3QRAup+AJ409Qx0OR9SRImaHtNsYWp6iJ0fXwCg20aX
gkg+XVTL8GPbMB/zdR+Thk4=
=g6s/
-----END PGP SIGNATURE-----

On 2 ene, 01:29, Ignacio Arenaza <iaren...@eb2ebu.ampr.org> wrote:
> -----BEGIN PGP SIGNED MESSAGE-----
> Hash: SHA1
>
> Ignacio Arenaza <iaren...@eb2ebu.ampr.org> writes:
> > perl -ne '@urls = m/<a href= *"([^"]*?)"/go; foreach $i (@urls) { print $i . "-----\n" }' < fichero
>
> Ups! Se me ha olvidado borrar el marcador ('-----') que he usado para
> las pruebas intermedias. Debería ser:
>
> > perl -ne '@urls = m/<a href= *"([^"]*?)"/go; foreach $i (@urls) { print $i, "\n" }' < fichero
>
> Saludos. Iñaki.
>
> - --
> Mondragon University
>
> GPG Key available at public keyservers
> -----BEGIN PGP SIGNATURE-----
> Version: GnuPG v1.4.6 (GNU/Linux)
> Comment: Processed by Mailcrypt and GPG
>
> iD8DBQFJXV/YRgC43oKhB3QRAup+AJ409Qx0OR9SRImaHtNsYWp6iJ0fXwCg20aX
> gkg+XVTL8GPbMB/zdR+Thk4=
> =g6s/
> -----END PGP SIGNATURE-----

Muchas gracias a todos, pero alguien sabe hacer esto con el comando
sed???

Gracias

> Muchas gracias a todos, pero alguien sabe hacer esto con el comando
> sed???
> 
> Gracias

A ver si te vale as�: he usado un bucle en el que cada vez que encuentro una URL la borro del flujo de entrada tras sacarla por pantalla, para que despu�s encuentre la siguiente. As� no dependo de que haya una por l�nea.

sed -n  ':repetir;h;s/.*<a href="\(http[^"]*\)".*$/\1/p;g;s/\(.*\)<a href="[^"]*".*$/\1/;t repetir'

Ojo: todo el comando anterior ha de ir en la misma l�nea, sobra decir...

Un saludo a todos.

Jes�s Carrete Monta�a wrote:

> sed -n  ':repetir;h;s/.*<a href="\(http[^"]*\)".*$/\1/p;g;s/\(.*\)<a
> href="[^"]*".*$/\1/;t repetir'
> 
> Ojo: todo el comando anterior ha de ir en la misma l�nea, sobra decir...
> 
> Un saludo a todos.

Perd�n, se me olvid� comprobar que la URL empiece por http antes de borrarla:

sed -n  ':repetir;h;s/.*<a href="\(http[^"]*\)".*$/\1/p;g;s/\(.*\)<a href="http[^"]*".*$/\1/;t repetir' < html.html

Aprovecho para contar que si los href pueden ir en may�sculas o mezclados har�a falta otro comando de sustituci�n (trivial) antes.

Un saludo.

On 2 ene, 15:27, Jesús Carrete Montaña <kuant...@escomposlinux.org>
wrote:
> Jesús Carrete Montaña wrote:
> > sed -n  ':repetir;h;s/.*<a href="\(http[^"]*\)".*$/\1/p;g;s/\(.*\)<a
> > href="[^"]*".*$/\1/;t repetir'
>
> > Ojo: todo el comando anterior ha de ir en la misma línea, sobra decir...
>
> > Un saludo a todos.
>
> Perdón, se me olvidó comprobar que la URL empiece por http antes de borrarla:
>
> sed -n  ':repetir;h;s/.*<a href="\(http[^"]*\)".*$/\1/p;g;s/\(.*\)<a href="http[^"]*".*$/\1/;t repetir' < html.html
>
> Aprovecho para contar que si los href pueden ir en mayúsculas o mezclados haría falta otro comando de sustitución (trivial) antes.
>
> Un saludo.
Muchas gracias, ahora no tengo tiempo pero mañana lo prueba.
Gracias,

-----BEGIN PGP SIGNED MESSAGE-----
Hash: SHA1

Jes�s Carrete Monta�a <kuantiko@escomposlinux.org> writes:

> Perd�n, se me olvid� comprobar que la URL empiece por http antes de borrarla:
>
> sed -n  ':repetir;h;s/.*<a href="\(http[^"]*\)".*$/\1/p;g;s/\(.*\)<a href="http[^"]*".*$/\1/;t repetir' < html.html

Peque�o detalle adicional: las URLs de un href no tienen porque ser
del tipo http:/..., puede ser URLs relativas. Es decir, habr�a que
quitar las referencias a 'http' de los patrones de busqueda.

sed -n  ':repetir;h;s/.*<a href="\([^"]*\)".*$/\1/p;g;s/\(.*\)<a href="[^"]*".*$/\1/;t repetir' < html.html

Si ademas puede haber espacios en blando antes y depues de los '=' y
las '"' (que lo puede haber), la cosa se puede complicar un pel�n m�s.

Por cierto Kuantiko, ���cuantos a�os sin leerte!!! Supongo que ya no
tendr�s la pinta de la foto de la p�gina de habituales de ecol :-)

Saludos. I�aki.

- -- 
Mondragon University

GPG Key available at public keyservers
-----BEGIN PGP SIGNATURE-----
Version: GnuPG v1.4.6 (GNU/Linux)
Comment: Processed by Mailcrypt and GPG

iD8DBQFJX5KlRgC43oKhB3QRAoofAKCjK5GWJ28MmOh3rziPGmb+SD53JQCgsRqu
I3ZkuGzczC4zM5T/WDd/ieA=
=9o1i
-----END PGP SIGNATURE-----

Ignacio Arenaza wrote:

> Peque�o detalle adicional: las URLs de un href no tienen porque ser
> del tipo http:/..., puede ser URLs relativas. Es decir, habr�a que
> quitar las referencias a 'http' de los patrones de busqueda.

No te falta raz�n; yo simplemente estaba implementando lo especificado por ABSOLUT en el mensaje original de este hilo

> 
> sed -n  ':repetir;h;s/.*<a href="\([^"]*\)".*$/\1/p;g;s/\(.*\)<a
> href="[^"]*".*$/\1/;t repetir' < html.html
> 
> Si ademas puede haber espacios en blando antes y depues de los '=' y
> las '"' (que lo puede haber), la cosa se puede complicar un pel�n m�s.

En efecto. He estado buscando en google si hab�a alguna soluci�n un poco m�s profesional ya implementada y he encontrado el siguiente script:

http://sed.sf.net/grabbag/scripts/list_urls.sed

Usa la misma idea del bucle que yo, pero con cierta preparaci�n previa para tener en cuenta may�suculas/min�sculas, espacios y dem�s. Est� bien, pero ya excede los l�mites de los "one-liner" cl�sicos y de necesitar tanto yo me ir�a m�s bien a las bibliotecas de Python o Perl que implementan el est�ndar m�s a fondo. Lo m�o es una soluci�n chapucera para salir de un apuro :-)

> Por cierto Kuantiko, ���cuantos a�os sin leerte!!! Supongo que ya no
> tendr�s la pinta de la foto de la p�gina de habituales de ecol :-)

Hombre, si le pones barba rubia a la foto con el Tux Paint casi sacas mi aspecto actual ;-). He mirado la p�gina y me ha tra�do buenos recuerdos (tampoco he cambiado tanto). Afortunadamente he cumplido ya con alguna de las ambiciones all� se�aladas, aunque no la de acabar con el spam... sigo aqu�, acechando los grupos desde las sombras.

Un saludo.

Muchas gracias por vuestra ayuda pero me asalta otra duda que como os
veo profesionales del sed lo mismo me podéis solucionar.

Si tengo un texto html como mas abajo os pongo y quiero sacar lo de
las X de esta cadena:
....window.open('xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx').....

Yo hago:

sed "s/.*window\.open('\([^']*\)'.*$/\1/g" fichero.html

Pero no me lo hace :-(
Sabeis porque puede ser.?

<tr><td class=lista align=left width=100%><table border=0
cellspacing=0 cellpadding=0 align=left width=90%><tr><td width=60
style="b
ackground-image: url(./style/base/line_a.gif); background-repeat: no-
repeat; background-position:top right; width=60px; height:4px;"
></td><td width=75% style="background-image:url(./style/base/line_b.gif); background-repeat: repeat-x; height:4px;"></td><td width=6
0 style="background-image: url(./style/base/line_c.gif); background-
repeat: no-repeat; height:4px;"></td></tr></table></td></tr>
<tr><td class=lista align=left><table align=left border=0
cellspacing=0 cellpadding=0 width=70%><tr><td class=lista align=left>
<b>Options: </b></td>
<td class=lista align=left title="Bajar:&nbsp;Austin Powers -
Misterioso agente internacional [DVDRip][DIVX][mp3][Es][1997] "><table
 border=0 cellspacing=0 cellpadding=0 align=left onClick="window.open
('download.php?id=7f5f11d0c4a8ccebe59342e29de2c8cf7e5096e3&f=Au
stin+Powers+-+Misterioso+agente+internacional+%5BDVDRip%5D%5BDIVX%5D
%5Bmp3%5D%5BEs%5D%5B1997%5D+.torrent','_self')" style="cursor:po
inter; cursor:hand;"><tr><td style="background-image: url(images/
download.gif); background-repeat: no-repeat; width:17px; height:17p
x;" align=center></td><td>&nbsp;Descargar</td></tr></table></td>
<td class=lista align=left title="Details for:&nbsp;Austin Powers -
Misterioso agente internacional [DVDRip][DIVX][mp3][Es][1997] ">
<table border=0 cellspacing=0 cellpadding=0 align=left
onClick="javascript:popdetails('details.php?
id=7f5f11d0c4a8ccebe59342e29de2c8
cf7e5096e3&amp;hit=1');" style="cursor:pointer; cursor:hand;"><tr><td
style="background-image: url(images/torrent_name.gif); backgro
und-repeat: no-repeat; width:17px; height:17px;" align=center></
td><td>&nbsp;Detalles</td></tr></table></td>
<td class=lista align=left
title="Add&nbsp;to&nbsp;WishList:&nbsp;Austin Powers - Misterioso
agente internacional [DVDRip][DIVX][mp3
][Es][1997] "><table border=0 cellspacing=0 cellpadding=0 align=left
onClick="window.open('wishlist.php?do=add&amp;torrent_id=7f5f11
d0c4a8ccebe59342e29de2c8cf7e5096e3','_self')" style="cursor:pointer;
cursor:hand;"><tr><td style="background-image: url(images/wishl
ist.gif); background-repeat: no-repeat; width:17px; height:17px;"
align=center></td><td>&nbsp;Aqadir a tu lista de espera</td></tr><
/table></td>

Muchas gracias y un saludo,

ABSOLUT wrote:

> Yo hago:
> 
> sed "s/.*window\.open('\([^']*\)'.*$/\1/g" fichero.html

Lo acabo de probar con el html que pones en tu mensaje (pero ojo, todo en la misma l�nea, como dec�as en tu mensaje original) y a mi me funciona.

sousaw@quark:/tmp$ sed "s/.*window\.open('\([^']*\)'.*$/\1/g"  html.html
wishlist.php?do=add&torrent_id=7f5f11d0c4a8ccebe59342e29de2c8cf7e5096e3

�Qu� te sale a t�?

Un saludo.

On 6 ene, 11:27, Jesús Carrete Montaña <kuant...@escomposlinux.org>
wrote:
> ABSOLUT wrote:
> > Yo hago:
>
> > sed "s/.*window\.open('\([^']*\)'.*$/\1/g" fichero.html
>
> Lo acabo de probar con el html que pones en tu mensaje (pero ojo, todo en la misma línea, como decías en tu mensaje original) y a mi me funciona.
>
> sousaw@quark:/tmp$ sed "s/.*window\.open('\([^']*\)'.*$/\1/g"  html.html
> wishlist.php?do=add&amp;torrent_id=7f5f11d0c4a8ccebe59342e29de2c8cf7e5096e3
>
> ¿Qué te sale a tí?
>
> Un saludo.

Ya me sale bien, es que esta en otra shell jeje.
Pero tengo otra duda: si tengo esto:

<td class=lista align=left title="Bajar:&nbsp;[Capitulos 1-8] House 5�
Temporada HDTV x264 720p AC3 5.1 Dual + Subs Dual "><table border=0
cellspacing=0 cell
padding=0 align=left onClick="window.open('download.php?
id=6f0fa8a03a424e203471224a92a1565cefd4a5ee&f=%5BCapitulos+1-8%5D+House
+5%AA+Temporada+HDTV+x264+720p
+AC3+5.1+Dual+%2B+Subs+Dual+.torrent','_self')" style="cursor:pointer;
cursor:hand;"><tr><td style="background-image: url(images/
download.gif); background-re
peat: no-repeat; width:17px; height:17px;" align=center></
td><td>&nbsp;Descargar</td></tr></table></td>

<td class=lista align=left title="Bajar:&nbsp;(.XviDG ) Mundial de
Motogp 2008 - Resumen TVE.DVBRip.XviD.Mp3.Castellano"><table border=0
cellspacing=0 cellpa
dding=0 align=left onClick="window.open('download.php?
id=fcff167524fa499cb02ce820ebc6fe39b36538c6&f=%28.XviDG+%29+Mundial+de
+Motogp+2008+-+Resumen+TVE.DVBRip
.XviD.Mp3.Castellano.torrent','_self')" style="cursor:pointer;
cursor:hand;"><tr><td style="background-image: url(images/
download.gif); background-repeat: no
-repeat; width:17px; height:17px;" align=center></
td><td>&nbsp;Descargar</td></tr></table></td>

Y si hago esto:

sed "s/.*nbsp;\([^\"]*\)\".*$/\1/g" fichero me sale:

<td class=lista align=left title="Bajar:&nbsp;[Capitulos 1-8] House 5�
Temporada HDTV x264 720p AC3 5.1 Dual + Subs Dual "><table border=0
cellspacing=0 cellpadding=0 align=left onClick="window.open
('download.php?id=6f0fa8a03a424e203471224a92a1565cefd4a5ee&f=
%5BCapitulos+1-8%5D+House+5%AA+Temporada+HDTV+x264+720p+AC3+5.1+Dual+
%2B+Subs+Dual+.torrent','_self')" style="cursor:pointer;
cursor:hand;"><tr><td style="background-image: url(images/
download.gif); background-repeat: no-repeat; width:17px; height:17px;"
align=center></td><td>&nbsp;Descargar</td></tr></table></td>
(.XviDG ) Mundial de Motogp 2008 - Resumen
TVE.DVBRip.XviD.Mp3.Castellano

Yo querria que me saliera:
House 5� Temporada HDTV x264 720p AC3 5.1 Dual + Subs Dual
(.XviDG ) Mundial de Motogp 2008 - Resumen
TVE.DVBRip.XviD.Mp3.Castellano

No entiendo porque con esa sentencia no me sale lo que yo quiero ya
que las 2 lineas cumplen el mismo patron. Alguna ayuda??

Gracias