查找 html 文件中引用的各种扩展名

Question

这是我的问题陈述：

有一个文件夹包含许多 html 和文本文件。我需要递归地浏览它们中的每一个，并找到这些html/文本文件中引用的各种文件扩展名，如.jpg，.tif，.png等

问题是我没有定义要搜索的扩展名列表。

使用 shell 脚本实现此目的的最佳方法是什么？

想出一个正则表达式，它基本上会搜索一个点后跟 3 或 4 个字母的所有出现，并过滤掉以空格或逗号或引号等结尾的那些？

任何建议都会有所帮助。

Answer 1

您可以使用 shell 脚本通过正则表达式解析文件名，但直接版本非常简单：

$ cat *.{txt,html} | grep -oP 'b[A-Za-z0-9_]+.[A-Za-z0-9]{1,4}b' | awk -F. '{ print "." $(NF) }' | sort -u

对于递归搜索：

find . -name '*.txt' -or -name '*.html' -exec grep -oP 'b[A-Za-z0-9_.]+.[A-Za-z0-9]{1,4}b' {} ; |  awk -F. '{ print "." $(NF) }' | sort -u