вывод списка ссылок из большого txt файла

Есть файл XML

XML

man XSLT

пример файла в студию

Напиши несколькострочник на пайтоне, там есть findall. Ещё можно использовать ключ, чтобы поиск шел игнорируя переходы строк. Регулярное выражение...

http:\/\/.+?[^\]]

Как-то вот так, но в разных диалектах регэкспов есть отличия, тебя какой интересует?

grep -Po 'http://.*(?=]])' in.txt >> out.txt

а тут прикол в том что файл - это одна большая строка.

Прошу прощения, не заметил сразу. Ну если задача позволяет, можно <![CDATA заменить на \n<![CDATA, а затем использовать grep.

http://emulek.github.io/sed/ch04s10.html#id2522878

По форумам нашел только как sed awk и прочее работают по-строчно... а тут прикол в том что файл - это одна большая строка.

гм, ну и что?

CDATA тут хреново подходит для нормального (не sed сотоварищи) распознавания (лучше если есть внешний тег), но можно по префиксу:

echo "<Obj><Name><![CDATA[SomeText]]></Name></Obj>" | xmlstarlet sel -t -v "/Obj/Name[starts-with(text(),"Some")]"

Поправлюсь) :

xmlstarlet sel -t -m "/Obj/Name/text()" -v . -n

Задача однократная ? Если да, то открой этот файл в офисе - Writer да скопируй оставшийся текст.

прикол в том что файл - это одна большая строка.

Если быстро и грязно: скорее всего сработает преварительный sed 's/>/>\n/g'.

Ну или что то вроде

xmlstarlet pyx account.acctype.xml | grep "http:" | cut -d " " -f 2,3,4,5

вообще я с опаской зашел в форум Разработчиков, ибо я знаю только консольные awk sed cut и смежные... поэтому мне бы что-нить базовыми командами линукса)

В питоне и split есть, раз у него одна строка.

На вкус и цвет же решения разные. Тем более их тут набросали вагон и тележку - используй какое больше по духу, я своё решение не считаю единственно верным, а консольные и выше и ниже варианты есть. А вместо awk+sed рекомендую один раз выучить перл - для работы с текстом идеальный инструмент. Альтернатива - пайтон. Но тут, опять таки, настаивать не могу, только советовать.

sed 's/>/>\n/g' file.txt | grep -Po 'http://.*(?=]])' >> out.txt

Как сказали выше - быстро, грязно и выполняется дефолтными утилитами.

egrep -o «https?:[^]]*»

а тут прикол в том что файл - это одна большая строка.

и что?

Спасибо, не знал.

спасибо буду пробовать, как найду решение - отпишусь

Что ты собрался искать, если в этом треде тебе уже с десяток решений привели?

sed 's/>/>\n/g' file.txt | grep -Po 'http://.*(?=]])' >> out.txt

Да спасибо!!! Этот вариант подходит!

egrep -o «http?:[^]]*»

еще проще и правильнее