Recherche efficace dans un fichier HTML / XML

Plutôt que d’utiliser des outils conçus pour traiter des fichiers texte, utilisez un parsingur HTML, tel que Mojo::DOM pour Perl:

 use ssortingct; use warnings; use feature ":5.10"; use Mojo::DOM; use List::Util "first"; # construct DOM object from file my $d = Mojo::DOM->new(do { local $/; <> }); # get all  tags my $a = $d->find("a"); # find the index of the one we are interestd in my $href = 'https://stackoverflow.com/laptops/samsung~brand/pr?sid=6bo,b5g'; my $index = first { $a->[$_]->attr('href') eq $href } 0..$a->size; # print links say $a->slice($index-4..$index+4)->map("to_ssortingng")->join("\n"); 

Exécutez-le comme perl script.pl file.html .

Sortie:

  Camera Tripod View all  Apple Laptop  Acer Laptop  Samsung Laptop  Lenovo Laptop  Sony Laptop  Dell Laptop  Asus Laptop 

Voici quelques suggestions non testées

Pour passer des options au script, à la grep, vous pouvez utiliser Getopt::Std :

 use Getopt::Std; our($opt_A, $opt_B) = (0, 0); getopts('A:B:'); 

Cela vous permettrait de passer les options -A et -B au script, comme perl script.pl -A 4 -B 4 file.html . Vous pourriez alors changer le 4 s codé en dur dans le code ci-dessus en ($index-$opt_A..$index+$opt_B) .

Pour transmettre également le motif, vous pouvez spécifier une autre option.

Pour colorer le résultat sur la ligne qui vous intéresse, vous pouvez utiliser Term::ANSIColor :

 say $a->slice($index-4..$index-1)->map("to_ssortingng")->join("\n"); say green $a->[$index]->to_ssortingng; say $a->slice($index+1..$index+4)->map("to_ssortingng")->join("\n"); 

grep comme suit

  grep --color -F -A 4 -B 4 'https://stackoverflow.com/laptops/samsung~brand/pr?sid=6bo,b5g' 'my_file' 

MODIFIER

Puisque toutes les données se trouvent sur une ligne, vous pouvez utiliser grep pour trouver la chaîne et les caractères entourant la chaîne.

 grep -o --color '.\{0,3\}https://stackoverflow.com/laptops/samsung~brand/pr?sid=6bo,b5g.\{0,3\} 

Cela trouvera le motif et imprimera 3 caractères avant et après la chaîne

. before et after la chaîne représente n’importe quel caractère sauf newline char.