【LINUX】shell中模拟爬虫

url_home="http://localhost:8080"

curl ${url_home} -o 1.html

cat 1.html | grep 'href="' | awk -F"\"" '{ print $2 }' >urls.txt

cat 1.html | grep 'href="' | awk -F"\"" '{ print 3 }' \| awk -F"\<" '{ print 1 }' | sed "s:>::g"|sed "s: :_:g" > titles.txt

打开文件1

exec 3< urls.txt

打开文件2

exec 4< titles.txt

读取文件1和文件2的内容

while read -u 3 url && read -u 4 title

do

echo "url: $url"

echo "title: $title"

curl "{url_home}/url" -o "${title}.html"

done

关闭文件

exec 3<&-

exec 4<&-

相关推荐
型者无疆7 分钟前
关于Fcitx5在ubuntu26.04中的位置问题
运维·服务器
yunwei3720 分钟前
eBPF 教程:用 BPF Qdisc 实现出口限速
linux·云原生·开源
mengge.cloud22 分钟前
Linux三剑客 grep sed awk 小白基础教程
linux·运维·服务器·网络
盐焗鹌鹑蛋32 分钟前
【Linux】进程间通信与进程池
linux
无毁的湖光-Al1 小时前
解Bug之路-with AI-应用被限流?
java·linux
Brilliantwxx1 小时前
【Linux】 进程(4)七大进程状态深度解析
linux·运维·算法
HiDev_1 小时前
【非标自动化】2、认识元器件(气源处理组件)
运维·自动化
HiDev_1 小时前
【非标自动化】2、认识元器件(远程I/O)
运维·自动化
国际云,接待1 小时前
df 显示磁盘还有空间却无法写文件:Linux inode 耗尽排查与治理
linux·运维·服务器
HiDev_1 小时前
【非标自动化】2、认识元器件(运动控制模块)
运维·自动化