替换html参数中的模式

Question

我要替换这个

href="//noname.com/basil/armada/joke.pdf" href="//noname.com/family/hello.pdf" 

使用

href="//noname.com/arid/joke.pdf" href="//noname.com/arid/hello.pdf" 

-这只是我正在使用的大文件的伪代码，因此我无法手工完成。
-一切都在1行中，所以我相信我只能使用替代命令
-甚至可以用sed吗？

我尝试过

sed '/href/s#//noname.com.*(armada|family)?#//noname.com/arid#g' < list.html > list2.html

但是什么都没有被替换......？

我正在使用GNU sed 4.7版

Answer 1

对于GNU sed：

$ echo 'href="//noname.com/basil/armada/joke.pdf" href="//noname.com/family/hello.pdf" ' | sed -r '/href/s#//noname.com/(basil/armada|family)#//noname.com/arid#g'
href="//noname.com/arid/joke.pdf" href="//noname.com/arid/hello.pdf"

在这种情况下，您可以使用-E或-r。 （-E在系统之间更兼容）
您也忘记了basil/ ...
请检查sed --help或man sed。

更新，怎么这样：

$ echo 'href="//noname.com/basil/armada/joke.pdf" href="//noname.com/family/hello.pdf" ' | sed -r '/href="..noname.com/s#(armada|family)#arid#g'
href="//noname.com/basil/arid/joke.pdf" href="//noname.com/arid/hello.pdf"

您可以将..更改为\/\/以确保准确性。

如果您不想保留basil部分...
您在注释中的命令仅留下一个URL是因为正则表达式的 greedy 模式，请检查以下内容：

$ echo 'href="//noname.com/basil/armada/joke.pdf" href="//noname.com/family/hello.pdf" ' | sed -r '/href/s#href....noname.com/(.*)(armada|family).*#\1#g'
basil/armada/joke.pdf" href="//noname.com/

您可以看到，.*实际上是第一个捕获的basil到下一个 family之前。
因此，我们需要找到一种方法来阻止正则表达式过于贪婪，例如：

$ echo 'href="//noname.com/basil/armada/joke.pdf" href="//noname.com/family/hello.pdf" ' | sed -r '/href/s#//noname.com/[^.]*(armada|family)#//noname.com/arid#g'
href="//noname.com/arid/joke.pdf" href="//noname.com/arid/hello.pdf"

[^.]表示不是.的任何字符，在这种情况下，避免正则表达式匹配.之前的pdf以外的字符作为停止标记。
在其他情况下，您可能需要找到另一个锚点。
检查更多here。