Question

我有运行python的bash函数（从stdin返回所有finded regex）

function find-all() {
    python -c "import re
import sys
print '\n'.join(re.findall('$1', sys.stdin.read()))"
}

当我使用这个正则表达式find-all 'href="([^"]*)"' < index.html时，它应该从正则表达式返回第一个组（来自文件index.html的href属性的值）

我怎样才能用sed或awk写这个？

Answer 1

我建议您使用grep -o。

-o, --only-matching
       Show only the part of a matching line that matches PATTERN.

E.g：

$ cat > foo
test test test
test
bar
baz test
$ grep -o test foo
test
test
test
test
test

<强>更新

如果要从html文件中提取href属性，请使用如下命令：

$ grep -o -E 'href="([^"]*)"' /usr/share/vlc/http/index.html
href="style.css"
href="iehacks.css"
href="old/"

cut

但是你最好使用html / xml解析器来提高可靠性。

Answer 2

这是一个gawk实现（未经其他awks测试）：find_all.sh

awk -v "patt=$1" '
    function find_all(str, patt) {
        while (match(str, patt, a) > 0) {
            for (i=0; i in a; i++) print a[i]
            str = substr(str, RSTART+RLENGTH)
        }
    }
    $0 ~ patt {find_all($0, patt)}
' -

然后：

echo 'asdf href="href1" asdf asdf href="href2" asdfasdf
asdfasdfasdfasdf href="href3" asdfasdfasdf' | 
find_all.sh 'href="([^"]+)"'

输出：

href="href1"
href1
href="href2"
href2
href="href3"
href3

如果您只想打印已捕获的群组，请将i=0更改为i=1。使用i=0即使您的模式中没有括号，也会得到输出。

如何在awk或sed中编写find-all函数（带正则表达式）

2 个答案: