Question

这里真的很基本的问题。所以我被告知是一个点。匹配任何字符，除了换行符。我正在寻找与任何角色相匹配的东西，包括换行符。

我想要做的就是捕获两个特定字符串之间的网站页面中的所有文本，剥离页眉和页脚。像HEADER TEXT（。+）FOOTER TEXT之类的东西然后提取括号中的内容，但我找不到在页眉和页脚之间包含所有文本和换行符的方法，这有意义吗？提前谢谢！

Answer 1

当我需要匹配多个字符（包括换行符）时，我会这样做：

[\s\S]*?

注意我使用的是非贪婪的模式

Answer 2

你可以用Perl做到这一点：

$ perl -ne 'print if /HEADER TEXT/ .. /FOOTER TEXT/' file.html

要仅在分隔符之间打印文本，请使用

$ perl -000 -lne 'print $1 while /HEADER TEXT(.+?)FOOTER TEXT/sg' file.html

/s开关使正则表达式匹配器将整个字符串视为 s 单行，这意味着点匹配换行符，而/g表示匹配的次数与可能的。

上面的示例假设您正在启动本地磁盘上的HTML文件。如果您需要先获取它们，请使用LWP::Simple中的get：

$ perl -MLWP::Simple -le '$_ = get "http://stackoverflow.com";
                          print $1 while m!<head>(.+?)</head>!sg'

请注意，使用上面的正则表达式解析HTML在一般情况下不起作用！如果您正在使用快速而脏的扫描仪，那很好，但对于需要的应用程序为了更健壮，使用真正的解析器。

Answer 3

根据定义，grep查找匹配的行;它读取一行，看它是否匹配，并打印该行。

实现目标的一种可能方式是sed：

sed -n '/HEADER TEXT/,/FOOTER TEXT/p' "$@"

这将从匹配'HEADER TEXT'的第一行打印到匹配'FOOTER TEXT'的第一行，然后迭代; '-n'停止默认的'打印每一行'操作。如果页眉和页脚文本出现在同一行上，这将无法正常工作。

要做你想做的事，我可能会使用perl（但如果你愿意，可以使用Python）。我考虑啜饮整个文件，然后使用适当的合格的正则表达式来查找文件的匹配部分。然而，由'@gbacon'给出的Perl单行是对上面'sed'脚本的Perl的几乎完全音译，并且比啜饮更整洁。

Answer 4

grep的手册页说：

grep，egrep，fgrep，rgrep - 打印匹配模式的行

grep不适用于匹配多行。您应该尝试使用perl或awk来解决此任务。

Answer 5

由于这是用'bbedit'标记的，并且BBedit支持Perl样式模式修饰符，你可以让点与开关匹配换行符（？s）

（αS）。

将匹配任何角色。是的，（？s）+ 将匹配整个文本。

Answer 6

正如其他地方所指出的那样，grep将适用于单行内容。

对于多行（在红宝石中使用Regexp :: MULTILINE，或者在python，awk，sed等等），“\ s”也应该捕获换行符，所以

HEADER TEXT(.*\s*)FOOTER TEXT

可能有用......

Answer 7

这是用gawk做的一种方法，如果有的话

awk -vRS="FOOTER" '/HEADER/{gsub(/.*HEADER/,"");print}' file