使用包含单行重复项的sed/grep从标记文件中提取图像URI

Question

我有一些标记文件要处理，其中包含链接到图片，我想下载。例如，减价档案：

[![](https://imgs.xkcd.com/comics/git.png)](https://imgs.xkcd.com/comics/git.png)

a lot of text 
some more text...

[![](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)


some more text

another URL but not image
[https://github.com]

so on

我试图解析这个文件并提取图像URL列表，稍后我可以通过wget命令下载该列表。

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://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)

$ 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

regex本质上运行良好，但问题是，由于相同的URL在同一行中出现了两次，所选文本是https的第一次出现和最后一次出现jpg|png|gif。但我要的是https的第一次出现和jpg|png|gif的第一次发生

怎么才能解决这个问题？

P.S.我也尝试过lynx -dump -image_links -listonly $path，但这会打印出整个文件。

我也对解决这个问题的其他选项持开放态度，只要我能够将代码连接到我当前的shell脚本中。

Answer 1

您可以在否定的括号表达式中添加方括号：

grep -Eo "https?://[^][ ]+\.(jpg|png|gif)"

见在线演示。详细信息

• https?:// - http://或https://
• [^][ ]+ - ]、[和space以外的一个或多个字符
• \. -a点
• (jpg|png|gif) -三种替代子字符串中的一种。