Question

我正在OSX上编写bash脚本。有很多grep和sed可以正常工作，但有一个例外：我不知道如何删除多个主题标签。

这将删除所有主题标签，没问题：

sed 's/#[^ ]*//g'

我希望这样做可以删除特定的主题标签：

sed "s/#(tag1|tag2)//g"

但是它不会删除任何东西。

我认为＃符号可能是一个特殊字符，因此我尝试了以下操作：

sed "s/(tag1|tag2)//g"

没有区别，tag1和tag2均未删除。

但是，如果我尝试：

sed "s/tag1//g"

然后删除标记1，留下＃。

如果我再尝试：

sed "s/#tag1//g"

什么都没发生！它不会删除tag1或＃tag1。

有人可以指出我要去哪里了吗？

编辑：这是代码：

results=($( \
echo "$ContentsOfHTMLFile" \
| sed -E "s/#(tag1|tag2|tag3)//g" \
| grep -iEo "<p.*>.*$VariableContainingSearchTerms\D.*</p>" \
| grep -iEo "<p.*>.*$VariableContainingSearchTerms.*</p>" \
| grep -Ev $VariableContainingSearchTermsToExclude \
| sed 's/<[^>]*>//g' \
| sed 's/http[^ ]*//g' \
| sed 's/^[[:space:]]*//' \
| sed 's/[[:space:]]*$//' \
))

所以我想做的是：

删除某些主题标签。
搜索包含某些术语的<p></p>块。
仅保留包含某些其他术语的块。
剥离所有<>块。
剥离所有URL。
剥离所有前导空白。
剥离所有尾随空白。

2-7的所有内容均应正常工作。只是我遇到问题的主题标签。我还尝试过在序列中其他位置执行主题标签，但这没什么区别。

Answer 1

尝试：

sed -E 's/#(tag1|tag2)//g'

在sed的帮助下：

  -E, -r, --regexp-extended
                 use extended regular expressions in the script
                 (for portability use POSIX -E).

Answer 2

POSIX标准sed在正则表达式中不支持|，您可以改用两个s es，如下所示：

sed -e 's/#tag1//g;s/#tag2//g;'

或

sed -e 's/#tag1//g;' -e 's/#tag2//g;'

顺便说一句，它还需要使用\(和\)对事物进行分组。
(和)将在字面上匹配括号。

使用sed删除多个主题标签

2 个答案: