如何从下载的网页中提取信息？

Question

我必须以系统的顺序从数千个网页中提取大学名称、联系电话、电子邮件 ID 等信息。有什么脚本可以做吗？

完整场景：我使用 wget 下载了包含各个大学信息的网页。每所大学大约有 5000 个网页，其中包含有关他们的信息，但我只对他们的姓名、电子邮件 ID、网站和联系电话感兴趣。而且我需要将提取的信息以系统的顺序保存在合适的文件中。 如何提取信息？我怎样才能使用 grep 来做到这一点？有没有更好的方法呢？哪些脚本可用于提取信息？ PS：我使用 Ubuntu 和 Kali linux。我是新手。需要专家的帮助。

Answer 1

我假设您将所有文件放在一个目录中，“cd”到那个目录，并且：

grep -i -e "Name" -e "email" -e "http" ./*

并在您看到结果时对其进行改进。这将写入您的屏幕，最后添加：

>> my_collected_things.txt

将其放入文件中。