Question

我正在试图弄清楚为什么我的正则表达式适用于所有其他脚本语言，但是当我将网页管道化为具有相同表达式的sed时却不行。

我正在运行：

wget -qO- http://website.com/page.html | sed -n '/([0-9]+)(?=%<\/td>)/g'

我正在查找“％＆lt; / td＆gt;”的最后一次出现之前的所有数字。

正则表达式适用于PHP，Python，Ruby和javascript，但在sed中，它根本不返回任何内容。

如何让这个正则表达式在sed中运行？

Answer 1

sed主要用于删除/替换文件中的字符串。由于您需要提取匹配，grep应该会派上用场，特别是-P选项允许您使用PCRE正则表达式模式（允许后备和后瞻）。 / p>

因此，在您的情况下，您可以使用

grep -oP '[0-9]+(?=%</td>)'

-o选项仅输出匹配项，-P将启用PCRE正则表达式引擎解析模式。

对Ubuntu 14的测试以及只有<td>word 15%</td><td>word 85%</td><td>word 6%</td><td>word 1865%</td>行的文件：

Answer 2

所有工具都支持特定的正则表达式变体，有些还有其他注意事项，有些工具支持不同的风格，具体取决于传递给它们的参数。

sed默认支持BRE，而某些seds（GNU和OSX）在使用-E启用时也支持ERE，但没有支持PCRE。

grep默认支持BRE，启用-E时支持ERE，启用-P时支持PCRE。值得一提的是，-P只是GNU grep，因为他们的手册页说明功能是highly experimental所以YMMV使用它。

awk仅支持ERE。

我认为perl仅支持PCRE，但您必须查看手册页。

考虑到样本输入和预期输出，我们可以向您展示如何在不需要PCRE的情况下做您想做的事情，而是代替它 - 猜测它听起来就像您需要的一样：

sed 's:.*\([0-9]*\)%</td>.*:\1:'

可以在所有UNIX机器上的所有seds中使用。