wgetを使用して、scholar.google.comの特定のクエリに一致する論文の数をダウンロードし、ページのすべてのコンテンツを示すファイルを取得します。
ファイルの次の部分の最後の番号「約8,890の結果1-10」を取得したいと思います。
私は試した：
cat /dir/file | tr -d "," | grep -o -E -- 'about ([^"]+) \w+'
しかし、それは出力します：
about <b>8890</b>. (<b>0.12</b> sec) </font></td></tr></table></form> <div class
一方、私は8890が欲しいだけです（tr -d "、"によって処理されるコンマはありません
それを改善する方法について何か提案はありますか？前もって感謝します！
Grepは正しい行を引き出します-その後、sedを使用して、不要なものを切り取ります。
cat /dir/file | tr -d "," | grep -o -E -- 'about ([^"]+) \w+' |sed -e 's/.*about <b>//' -e 's/<.b>.*//'
sed -n 's#.*about <b>\([0-9]*\)</b>.*#\1#p'の代わりに：のようなものを試してくださいgrep。
-nデフォルトで入力行を印刷しないことを意味し、sフラグpは置換された場合に印刷することを意味します。
htmlタグ（<b>および</b>）がファイルに存在する場合は、それらも処理するように正規表現を変更する必要があります。関心のあるフラグメントだけを取得するには、ルックビハインドアサーションを使用します。動作するはずのものは次のとおりです。
cat /dir/file | tr -d "," | grep -oP -- '(?<=about <b>)[^/<> ]+'