使用 sed/grep 从单行中包含重复项的降价文件中提取图像 URI
Extract image URI from markdown files using sed/grep containing duplicates in a single line
我有一些降价文件要处理，其中包含指向我希望下载的图像的链接。例如降价文件：
[](https://imgs.xkcd.com/comics/git.png)
a lot of text
some more text...
[](https://1.bp.blogspot.com/-Ze2SiBflkZ4/XbtF1TjELcI/AAAAAAAALL4/IDC6W-b5moU0eGu2eN60aZ4pxfXW1ybmQCLcBGAsYHQ/s1600/take_a_break_git.gif)
some more text
another URL but not image
[https://github.com]
so on
我正在尝试解析此文件并提取图像列表 URL，稍后我可以通过 wget 命令进行下载。
到目前为止，我已经使用了 grep 和 sed 并得到了结果：
$ sed -nE "/https?:\/\/[^ ]+.(jpg|png|gif)/p" $path
[](https://imgs.xkcd.com/comics/git.png)
[](https://1.bp.blogspot.com/-Ze2SiBflkZ4/XbtF1TjELcI/AAAAAAAALL4/IDC6W-b5moU0eGu2eN60aZ4pxfXW1ybmQCLcBGAsYHQ/s1600/take_a_break_git.gif)
$ grep -Eo "https?://[^ ]+.(jpg|png|gif)" $path
https://imgs.xkcd.com/comics/git.png)](https://imgs.xkcd.com/comics/git.png
https://1.bp.blogspot.com/-Ze2SiBflkZ4/XbtF1TjELcI/AAAAAAAALL4/IDC6W-b5moU0eGu2eN60aZ4pxfXW1ybmQCLcBGAsYHQ/s320/take_a_break_git.gif)](https://1.bp.blogspot.com/-Ze2SiBflkZ4/XbtF1TjELcI/AAAAAAAALL4/IDC6W-b5moU0eGu2eN60aZ4pxfXW1ybmQCLcBGAsYHQ/s1600/take_a_break_git.gif
正则表达式基本上工作正常，但问题是由于 相同的 URL 在同一行中出现两次 ，所选文本是第一次出现https 和最后一次出现 jpg|png|gif。但我想要第一次出现 https 和第一次出现 jpg|png|gif
如何解决这个问题？
P.S。我也试过 lynx -dump -image_links -listonly $path 但这会打印整个文件。
我也愿意接受其他解决此目的的选项，只要我可以将代码连接到我当前的 shell 脚本中。
您可以在括号的否定表达式中添加方括号：
grep -Eo "https?://[^][ ]+\.(jpg|png|gif)"
参见online demo。 详情:
https?:// - http:// 或 https://[^][ ]+ - ]、[ 和 space\. - 一个点(jpg|png|gif) - 三个备选子字符串中的任何一个。
我有一些降价文件要处理，其中包含指向我希望下载的图像的链接。例如降价文件：
[](https://imgs.xkcd.com/comics/git.png)
a lot of text
some more text...
[](https://1.bp.blogspot.com/-Ze2SiBflkZ4/XbtF1TjELcI/AAAAAAAALL4/IDC6W-b5moU0eGu2eN60aZ4pxfXW1ybmQCLcBGAsYHQ/s1600/take_a_break_git.gif)
some more text
another URL but not image
[https://github.com]
so on
我正在尝试解析此文件并提取图像列表 URL，稍后我可以通过 wget 命令进行下载。
到目前为止，我已经使用了 grep 和 sed 并得到了结果：
$ sed -nE "/https?:\/\/[^ ]+.(jpg|png|gif)/p" $path
[](https://imgs.xkcd.com/comics/git.png)
[](https://1.bp.blogspot.com/-Ze2SiBflkZ4/XbtF1TjELcI/AAAAAAAALL4/IDC6W-b5moU0eGu2eN60aZ4pxfXW1ybmQCLcBGAsYHQ/s1600/take_a_break_git.gif)
$ grep -Eo "https?://[^ ]+.(jpg|png|gif)" $path
https://imgs.xkcd.com/comics/git.png)](https://imgs.xkcd.com/comics/git.png
https://1.bp.blogspot.com/-Ze2SiBflkZ4/XbtF1TjELcI/AAAAAAAALL4/IDC6W-b5moU0eGu2eN60aZ4pxfXW1ybmQCLcBGAsYHQ/s320/take_a_break_git.gif)](https://1.bp.blogspot.com/-Ze2SiBflkZ4/XbtF1TjELcI/AAAAAAAALL4/IDC6W-b5moU0eGu2eN60aZ4pxfXW1ybmQCLcBGAsYHQ/s1600/take_a_break_git.gif
正则表达式基本上工作正常，但问题是由于 相同的 URL 在同一行中出现两次 ，所选文本是第一次出现https 和最后一次出现 jpg|png|gif。但我想要第一次出现 https 和第一次出现 jpg|png|gif
如何解决这个问题？
P.S。我也试过 lynx -dump -image_links -listonly $path 但这会打印整个文件。
我也愿意接受其他解决此目的的选项，只要我可以将代码连接到我当前的 shell 脚本中。
您可以在括号的否定表达式中添加方括号：
grep -Eo "https?://[^][ ]+\.(jpg|png|gif)"
参见online demo。 详情:
https?://-http://或https://[^][ ]+-]、[和 space 以外的一个或多个字符
\.- 一个点(jpg|png|gif)- 三个备选子字符串中的任何一个。