如何使用正则表达式提取 URL 的引号
How to extract URL's in quotes by using regex
我有一个文本，它是一个损坏的 sqlite 3 数据库，它有很多 url，大部分都在引号中。在不丢失 URL 的任何部分的情况下提取它们的最佳方法是什么？
链接包含各种字符，50%的链接来自搜索引擎100个字符等
此文本文件是损坏的 sqlite 3 数据库。
如果您使用的是 unix，则应执行以下操作
strings sqllite.txt | grep '\"http[^\"]*"' | tr '"' '\n' | grep 'http' | sort | uniq > extracted_urls.txt
其中sqllite是数据库文件。刚刚在 RHEL 上测试过。 sort 和 uniq 只是为了去除重复的 URL。
编辑：忽略文件中的网站图标的新表达式
strings sqllite.txt | grep '\"url\":\"http[^\"]*"' | tr ',' '\n' | grep '\"url\":\"http' | tr '"' '\n' | grep 'http' | sort | uniq > extracted_urls.txt
我有一个文本，它是一个损坏的 sqlite 3 数据库，它有很多 url，大部分都在引号中。在不丢失 URL 的任何部分的情况下提取它们的最佳方法是什么？
链接包含各种字符，50%的链接来自搜索引擎100个字符等
此文本文件是损坏的 sqlite 3 数据库。
如果您使用的是 unix，则应执行以下操作
strings sqllite.txt | grep '\"http[^\"]*"' | tr '"' '\n' | grep 'http' | sort | uniq > extracted_urls.txt
其中sqllite是数据库文件。刚刚在 RHEL 上测试过。 sort 和 uniq 只是为了去除重复的 URL。
编辑：忽略文件中的网站图标的新表达式
strings sqllite.txt | grep '\"url\":\"http[^\"]*"' | tr ',' '\n' | grep '\"url\":\"http' | tr '"' '\n' | grep 'http' | sort | uniq > extracted_urls.txt