JSファイル内のコードステートメントからURLを抽出する

すべて、 フォルダー内のすべてのjsファイル内のコードステートメントで言及されているすべてのURLを抽出したい。 例えばjsファイルにこのコードが含まれる場合

var myURL="http://yahoo.com/signup"  
//var myURL="http://yahoo.com/sign" --commented out 

それから私のスクリプトが実行されるとき、出力はちょうど "べきです" http://yahoo.com/signup msgstr "現在、私はURLを抽出するためにgrepを使っています。出力には出力に両方のステートメントが含まれています。コメントされたURLを出力に入れたくありません。"

現在私は基本的なgrepステートメントを使っています

 cat somefile.js | grep "http[s]\?://"  

すべてのURLはhttp / httpsのいずれかになり、jsファイルのステートメントで宣言されます。

このgrepステートメントを微調整して、URL全体（コメント付きURLを除く）のみを出力し、完全なステートメントを出力しないようにします。このgrepステートメントをどのように微調整できますか？

ファイルの大きさ/数はいくつですか。

私がこの種のものに使用する非常に単純な解決策は優れています。ファイルを（カップルが1つしかない限り）コピーしてExcelに貼り付けてから、列を並べ替えることができます。あなたはすべてのvarを一箇所に見つけるべきです。それらをコピーして新しいシートに貼り付け、列を "" "に分割します。これで、URLの列が得られます。

もちろん、これは多くのファイルには実用的ではありません - スクリプトはそこでよりうまくいくでしょう。

例

私はこれがJSONを手で解析するのに特に便利だと思います。これが私が通常これを使用する方法の例です。これがjson配列の抜粋です。

{'english' => 'the animals, 'spanish' => 'los animales', 'image_url' => 'http://www.resourcesgraphics.com/images/Animals-Set-icons.jpg},
{'english' => 'the bear, 'spanish' => ' el oso  , 'image_url' => 'http://images.nationalgeographic.com/wpf/media-live/photos/000/005/cache/grizzly-bear_566_600x450.jpg},
{'english' => 'the beaver, 'spanish' => 'el castor, 'image_url' => 'http://images.nationalgeographic.com/wpf/media-live/photos/000/004/cache/beaver_457_600x450.jpg},
etc... (I have ~2000 entries in this file.)

すべてのURLを取得するには、ファイル全体をExcelにコピー/貼り付けし、[データ]＆gt; [テキストから列]＆gt; [区切り記号]を使用します。あなたが引用を分割するならば、それは彼ら自身のコラムにURLを引き出すでしょう。

これも反対です。 （私はこれをもっと頻繁にします。）もしあなたが上の表を作りたければ、あなたは逆にこのプロセスを使うことができます。すばやく列を埋めるには、最初の列を次のようにします。

{'*english*' => '*the animals*, '*spanish*' => '*los animales*', '*image_url*' => '*http://www.resourcesgraphics.com/images/Animals-Set-icons.jpg*},

（* =列分割）

つまり、column1 = "{'"、column2 = "english"、column3 = "' =＆gt; '"などのようになります。列1、3、5などはフィラーで、データは中央に配置されます。それから私はすべてのデータを記入し、そして記入者をコピーインします。フィラーデータを入力する簡単な方法は、一番上のフィラーセルの右下ハンドルをダブルクリックすることです。これにより、列の下のデータがデータの末尾まで複製されます。

スプレッドシートを作成したら、それを保存します。後でもう一度使うことができます。データが必要なときは、すべてコピーしてテキストエディタに貼り付けるだけです。

通常、コラムの上にはたくさんの厄介なタブが残っていますが、それらは簡単な検索/置換で削除できます。

それが役立つことを願っています - あなたがより多くの情報が欲しいなら私に知らせてください！ - L

これがPERLの解決策です。

perl -ne '/^[^\/\/]*"(http.+?)"/ && do{print "$1\n"}' somefile.js 

説明：

• perl -ne ：入力ファイルを1行ずつループし（-n）、コマンドラインで指定したスクリプトを実行します（-e）

• /^[^\/\/]*"(http.+?)"/ ：ない行を探す // 前 最初 http に続く文字を保存します。 http 最初まで "。かっこ内のパターン () 保存されます $1。

• && do{print "$1\n"} ：行が正規表現と一致する場合は、キャプチャされたパターン（URL）を印刷します。

警告：

これは、1行に1つのURLしかないことを前提とした非常に単純な解決策です。 すべて URLは引用されています。もっと洗練されたバージョンが必要かどうか私に教えてください。