如何打印只与sed匹配？

Question

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。

Answer 1

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。

Answer 2

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_>.*_>_'

Answer 3

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;'

Answer 4

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