如何使用Bash提取下载页首个匹配正则的下载链接并完成下载

实现方案 #

因为GitHub Releases页面内的下载链接是相对路径（示例为href="/sharkdp/bat/releases/download/xxx"），没有直接给出完整https://开头的链接，所以我们可以先提取相对路径再拼接域名得到完整下载地址，完整实现代码如下：

URL=https://github.com/sharkdp/bat/releases/
content=$(wget $URL -q -O -)
# 提取首个匹配的amd64 deb包相对路径，拼接为完整链接
DL="https://github.com$(echo "$content" | grep -oP '(?<=href=")/sharkdp/bat/releases/download/[^"]+_amd64\.deb' | head -n 1)"
# 下载到/tmp目录
wget -P /tmp/ "$DL"

命令说明 #

• grep -P：启用Perl正则语法，支持零宽断言特性
• (?<=href=")：零宽后向断言，只匹配href="之后的内容，不会把href="本身提取到结果中
• [^"]+：匹配除双引号外的所有字符，确保只匹配单个链接的路径，不会跨链接错误匹配
• head -n 1：取匹配结果的第一行，也就是最新版本对应的下载路径
• 路径前拼接https://github.com即可得到可直接访问的完整下载链接

如果你的环境不支持grep的-P参数，可以用sed实现相同效果：

DL="https://github.com$(echo "$content" | sed -n 's/.*href="\(\/sharkdp\/bat\/releases\/download\/[^"]*_amd64\.deb\)".*/\1/p' | head -n 1)"

内容的提问来源于stack exchange，提问作者YorSubs