好的,这很简单,但我无法理解。
基本上我想从一个大的<a href="[^<>]*">[^<>]*</a>
文件中提取所有链接(html
)。
我尝试用sed
做到这一点,但我得到了各种结果,而不是我想要的。我知道我的正则表达式是正确的,因为我可以替换文件中的所有链接:
sed 's_<a href="[^<>]*">[^<>]*</a>_TEST_g'
如果我在
之类的东西上运行它<div><a href="http://wwww.google.com">A google link</a></div>
<div><a href="http://wwww.google.com">A google link</a></div>
我得到了
<div>TEST</div>
<div>TEST</div>
如何摆脱其他所有内容而只打印匹配?我最喜欢的最终结果是:
<a href="http://wwww.google.com">A google link</a>
<a href="http://wwww.google.com">A google link</a>
PS。我知道我的正则表达式并不是最灵活的,但这对我的意图来说已经足够了。
答案 0 :(得分:2)
匹配整行,将有趣的部分放在一个组中,替换为该组的内容。使用-n
选项抑制不匹配的行,并添加p
修饰符以打印s
命令的结果。
sed -n -e 's!^.*\(<[Aa] [^<>]*>.*</[Aa]>\).*$!\1!p'
请注意,如果该行上有多个链接,则仅打印最后一个链接。你可以改进,但它超越了简单的sed用法。最简单的方法是使用两个步骤:首先在任意两个链接之前插入换行符,然后提取链接。
sed -n -e 's!</a>!&\n!p' | sed -n -e 's!^.*\(<[Aa] [^<>]*>.*</[Aa]>\).*$!\1!p'
这仍然无法处理HTML评论,<pre>
,分布在多行上的链接等。解析HTML时,use an HTML parser。
答案 1 :(得分:1)
假设每行只有一个超链接,以下内容可能有效......
sed -e 's_.*<a href=_<a href=_' -e 's_>.*_>ed <<'EOF' -e 's_.*<a href=_<a href=_' -e 's_>.*_>_'
答案 2 :(得分:1)
如果您不介意像sed一样使用perl,它可以使用非常多样化的输入进行复制:
perl -n -e 's+(<a href=.*?</a>)+ print $1, "\n" +eg;'
答案 3 :(得分:0)
这可能适合你(GNU sed):
sed '/<a href\>/!d;s//\n&/;s/[^\n]*\n//;:a;$!{/>/!{N;ba}};y/\n/ /;s//&\n/;P;D' file