如何使用bash脚本从CVEdetails网页源码中提取vendor和product字段值

你可以通过文本匹配工具组合实现提取需求，以下提供两种无需额外安装依赖（或仅需常用工具）的实现方式：

方案1：使用自带grep+sed实现（无额外依赖） #

直接通过管道流式处理页面内容，不需要生成临时文件：

# 拉取页面内容到变量
cve_page=$(wget -qO- https://www.cvedetails.com/cve/CVE-2017-3169)

# 提取vendor值
vendor=$(echo "$cve_page" | grep -A 10 "Vulnerable Versions" | grep -m1 '/vendor/' | sed 's/.*>\([^<]*\)<\/a>.*/\1/' | xargs)

# 提取product值
product=$(echo "$cve_page" | grep -A 10 "Vulnerable Versions" | grep -m1 '/product/' | sed 's/.*>\([^<]*\)<\/a>.*/\1/' | xargs)

• 逻辑说明：先定位到Vulnerable Versions表头之后的10行内容，分别匹配vendor和product对应的链接行，提取a标签的文本内容后用xargs去除首尾空白字符。
• 执行后可直接通过echo $vendor echo $product验证结果，输出分别为Apache和Http Server。

方案2：使用pcregrep多行匹配（写法更简洁） #

如果你的系统预装了pcregrep，可通过正则捕获组直接提取：

# 拉取页面内容到变量
cve_page=$(wget -qO- https://www.cvedetails.com/cve/CVE-2017-3169)

# 提取vendor值
vendor=$(echo "$cve_page" | pcregrep -M -o1 'Vulnerable Versions[\s\S]*?<tr>[\s\S]*?<a[^>]*>([^<]+)<\/a>')

# 提取product值
product=$(echo "$cve_page" | pcregrep -M -o1 'Vulnerable Versions[\s\S]*?<tr>[\s\S]*?<a[^>]*>[^<]+<\/a>[\s\S]*?<a[^>]*>([^<]+)<\/a>')

• 参数说明：-M开启多行匹配支持，-o1输出第一个捕获组的内容，[\s\S]*?是惰性匹配任意字符，避免跨条目匹配。

内容的提问来源于stack exchange，提问作者CrisoNikon