如何从HTML页面中提取固定前缀的指定链接？

给定HTML片段：

<td><a href="test-2025-03-24_17-05.log">test-2025-03-24_17-05.log</a></td>
<td><a href="PASS_report_test_2025-03-24_17h07m10.html">PASS_report_test_2025-03-24_17h07m10.html</a></td>
<td><a href="TESTS-test_01.xml">TESTS-test_01.xml</a></td>
<td><a href="TESTS-test_02.xml">TESTS-test_02.xml</a></td>

需要提取前缀为PASS_report_的链接，以下是几种可行方案：

方案1：使用grep（支持PCRE） #

直接匹配带目标前缀的链接，利用正向预查精准提取：

grep -oP '(?<=href=&quot;)PASS_report_[^&quot;]*' your_html_file

解释：

• -o：只输出匹配到的部分
• -P：启用Perl兼容正则表达式
• (?<=href=&quot;)：正向预查，定位到href="之后的位置
• PASS_report_[^"]*：匹配以PASS_report_开头，直到下一个"的所有内容

方案2：使用sed #

调整原有sed命令，增加前缀过滤，只提取目标链接：

sed -n 's/.*href="\(PASS_report_[^"]*\).*/\1/p' your_html_file

解释：

• -n：默认不输出行内容
• 正则中精准捕获以PASS_report_开头的链接部分，替换整行并输出匹配结果

关于原有命令无效的说明 #

你之前尝试的sed -n 's/.*href="\([^"]*\).*/\1/p' file会提取所有链接，若变量为空，大概率是执行时的shell转义问题，或是你没有正确过滤出目标链接导致后续处理出错。上述两种方案通过增加PASS_report_前缀匹配，既能精准提取目标，也避免了无关链接的干扰。

内容的提问来源于stack exchange，提问作者Archie