Question

我尝试解析卷曲响应，以便检索使用alt标记captcha标识的img src。

为了测试我的sed表达式，我尝试了以下内容：

echo 'alt="captcha" src="http://example.com/foo.html" /></p>' | sed -n 's/.*alt="captcha" src="\([^"]*\)/\1/p'

然而这回声

http://example.com/foo.html" /></p>

我怎样才能简单地返回

http://example.com/foo.html

我是sed的新手，所以我想知道我哪里出错了。

Answer 1

^{这个答案解释了sed的行为，但是123 - 他们在评论中简明扼要地给出了sed问题的正确答案 - 指出了一个更好的选择，如果你有 GNU grep：grep -oP 'alt="captcha" src="\K[^"]*'。 GNU grep的{{1}}选项支持PCREs，它们比-P中提供的正则表达式更强大。}

该问题与贪婪无关，而是与您的正则表达式仅与该行的部分匹配的事实：

要在sed中提取子字符串，您的正则表达式必须与整行 匹配。否则，正则表达式匹配的任何部分只是通过 ，就像您案例中的尾随sed一样;这是一个修复：

" /></p>

请注意我添加的尾随$ echo 'alt="captcha" src="http://example.com/foo.html" /></p>' | sed -n 's/.*alt="captcha" src="$[^"]*$.*/\1/p' http://example.com/foo.html，这可确保该行的其余部分也匹配。

没有它，匹配后输入行的剩余部分将简单地附加到替换的结果中;即.*部分。 ^{更正确：该行的剩余部分根本不会被替换。}

因此，通常，您使用的方法如下（伪表示法）：

" /></p>

同样，正则表达式必须与整行匹配才能生效。

由于sed 's/^...<capture-group>...$/\1/p'的贪婪匹配，您既不需要sed也不需要^，但您可以选择添加它以明确意图。

警告：如果您的捕获组没有歧义， $可以匹配该行的余数，但是{{1} } 之前匹配所有

一个简单示例来演示问题：

.*

请注意.*如何包含$ sed -n 's/[^"]*"$[^"]*$/>>\1<</p' <<<'before"foo"after' # WRONG >>foo<<"after按预期捕获的感兴趣的子字符串 - \1之间的字符串$[^"]*$ - 但是，因为正则表达式在之前停止匹配结束foo，该行的剩余部分 - "..." - 仍然输出。

固定版本，附加"以确保整行匹配：

"after

另请注意.*如何用于匹配行的开头到捕获组;由于$ sed -n 's/[^"]*"$[^"]*$.*/>>\1<</p' <<<'before"foo"after' >>foo<<的贪婪匹配，[^"]*" 不在这里工作：

.*

sed贪婪地匹配 last $ sed -n 's/.*"$[^"]*$.*/>>\1<</p' <<<'before"foo"after' # WRONG >>after<<的所有内容，因此捕获组会捕获.*"，这是非{"的运行1}}字符。 关闭后 after。

Answer 2

使用sed分组。它总是我的转到！

Sed正则表达式：

echo 'alt="captcha" src="http://example.com/foo.html" /></p>' | sed 's/\(^alt.*src=\"\)\(.*\)\(\".*p>\)/\2/g'

<强>输出

http://example.com/foo.html

在子串提取过程中Sed过多捕获

2 个答案: