grep/sed/awk实战
最近准备和CoreSite - Any2 California接入商建立网络BGP邻居关系。从peeringdb上找到了所有接入商的信息，但是转移信息到本地不是很方便，需要进行多次文本调整，耗时较长。
作为萌新，立马就想到近期学习的grep/sed/awk工具。于是就尝试处理数据。
1、下载页面内容
> curl https://www.peeringdb.com/ix/142 > peering
将页面内容存入peering文件
2、删除无用信息
翻看网页，发现第一个行需要的信息是“2degrees”，最后一行是“Zscaler AS22616”
> grep -n '2degrees' peering ##发现第一行是807 > sed -i '1,806'd peering ##删除1-806行 > head peering ##检查 > grep -nA8 '22616' peering ##发现最后一行是5161 > sed -i '5162,$'d peering ##删除5161后的行 > tail peering ##检查
▼还有一种方法：
> egrep 'view_title right' peering <div class="view_title right" data-edit-toggled="edit" style="display:none;"> > sed -i '1,/2degrees/'d peering > sed -i '/view_title right/,$'d peering
这种方式基本能删除不需要的信息。
3、观察剩余内容，提取关键词
▼样例：
<div class="row item"> <div class="col-xs-5 col-sm-5 col-md-5"> <div class="peer" data-sort-value="4 less communications, inc." data-filter-value="4 Less Communications, Inc."> <a href="/net/5985">4 Less Communications, Inc.</a> </div> <div class="asn" data-sort-value="16912" data-filter-value="16912">16912</div> </div> <div class="col-xs-4 col-sm-4 col-md-4"> <div class="ip4" data-filter-value="206.72.210.229">206.72.210.229</div> <div class="ip6" data-filter-value="None">None</div> </div> <div class="col-xs-3 col-sm-3 col-md-3"> <div class="speed" data-sort-value="1000" data-filter-value="1G">1G</div> <div class="policy" data-filter-value="Open">Open</div> </div> </div>
关键词分别为“peer”，“asn”，“ip4”，“speed”和“policy“”，这些也是我想要提取的信息。
4、提取关键词信息
> egrep '">.*</a>' peering > peer1 ##提取peer名称导入peer1文件
文本样例：<a href="/net/5985">4 Less Communications, Inc.</a>
> wc -l peer1 ##查看行数，用于确认
> sed -ir 's#</a>##g' peer1 ##删除最后的"</a>"
> awk -F '>' '{print $2}' peer1 >peer ##提取peer名称
> wc -l peer ##检查行数是否正确
▼还有一种方法：
cat peering | grep -Po '(?<=>).*(?=</a>)'> peer ##"-P"表示采用Perl正则表达式模式 ##如果只需要匹配到的部分，还可以加上-o选项
用同样的方法提取asn，ip4，speed和policy信息。
5、组合文件内容
通过以上步骤，我得到了5个文本文件，分别装有我需要的信息，且经过行数对比，行数一致。
▎方法1——利用paste命令组合文件：
[root@server01 test1]# paste -d '*' name asn ip speed policy 2degrees*23655*206.72.211.83*10G*Selective 4 Less Communications, Inc.*16912*206.72.210.229*1G*Open AARNet*7575*206.72.210.64*10G*Selective Ace Data Centers, Inc.*11798*206.72.210.128*10G*Open ACSData*18119*206.72.211.12*1G*Open Aerioconnect, Inc.*10993*206.72.210.21*10G*Selective ...... Zoom Video Communications, Inc.*30103*206.72.211.79*10G*Selective Zscaler AS22616*22616*206.72.211.39*10G*Open Zscaler AS22616*22616*206.72.211.40*10G*Open
▎方法2——也可以利用python脚本提取并组合：
#/usr/bin/env python
def newlist(arg):
file=open(arg,'r')
arglist=[]
for eachline in file:
eachline=eachline.replace("\n","")
arglist.append(eachline)
return arglist
file.close()
if __name__=='__main__':
peer=newlist('peer')
asn=newlist('asn')
ip=newlist('ip')
speed=newlist('speed')
policy=newlist('policy')
for i in range(len(name)):
print(peer[i]+'*'+asn[i]+'*'+ip[i]+'*'+speed[i]+'*'+policy[i])
▼处理结果：
[root@server01 test1]# python3 python.py 2degrees*23655*206.72.211.83*10G*Selective 4 Less Communications, Inc.*16912*206.72.210.229*1G*Open AARNet*7575*206.72.210.64*10G*Selective Ace Data Centers, Inc.*11798*206.72.210.128*10G*Open ACSData*18119*206.72.211.12*1G*Open Aerioconnect, Inc.*10993*206.72.210.21*10G*Selective ...... Zoom Video Communications, Inc.*30103*206.72.211.79*10G*Selective Zscaler AS22616*22616*206.72.211.39*10G*Open Zscaler AS22616*22616*206.72.211.40*10G*Open
因为部分peer名称带空格，故将分隔符改为其他特殊符号（如#，*），存入TXT文档内，在导入EXCEL时，也方便分隔。
通过以上步骤，可以采集到所需要的信息。
如果是熟悉python，那么可以将所有操作放在脚本里（详见：利用python处理网页信息），最后使用openpyxl模块导入EXCEL文件里。
