从文件中提取正则表达式捕获组的匹配项

Question

我想在linux命令行下执行标题命名的操作（几个ca bash脚本也会这样做）。我试过的命令是：

sed 's/href="([^"])"/$1/g' page.html > list.lst

但显然失败了。

确切地说，这是我的意见：

<link rel="stylesheet" type="text/css" href="style/css/colors.css" />
<link rel="stylesheet" type="text/css" href="style/css/global.css" />
<link rel="stylesheet" type="text/css" href="style/css/icons.css" />

我想要的输出是输入文件中所有匹配项的逗号分隔或空格分隔列表：

style/css/colors.css,style/css/global.css,style/css/icons.css

我认为我得到了正确的表达方式：href =“（[^”] *）“

但我不知道如何执行此操作。 sed将进行搜索/替换，这不是我想要的。（相反，我只需要保留匹配并抛弃其余部分，而不是替换它们）

Answer 1

grep href page.html | sed 's/^.*href="\([^"]*\)".*$/\1/' | xargs | sed 's/ /,/g'

这将提取其中包含href的所有行，并且每行只会获得第一个href。另外，请参阅this post关于使用正则表达式解析HTML。