Question

我有一个包含以下代码的HTML文件

<html>
  <body>
    Test #1 '<%aaa(x,y)%>'
    Test #2 '<%bbb(p)%>'
    Test #3 '<%pqr(z)%>'
  </body>
</html>

请帮我一个命令的正则表达式（grep或awk），它显示输出如下：

'<%aaa(x,y)%>'
'<%bbb(p)%>'
'<%pqr(z)%>'

Answer 1

我认为sed是比awk更好的选择，但并不完全明确。

sed -n '/ *Test #[0-9]* */s///p' <<!
<html>
  <body>
    Test #1 '<%aaa(x,y)%>'
    Test #2 '<%bbb(p)%>'
    Test #3 '<%pqr(z)%>'
  </body>
</html>
!

您无法使用grep;它返回与模式匹配的行，但通常不会编辑这些行。

您可以使用awk：

awk '/Test #[0-9]+/ { print $3 }'

模式匹配测试线并打印第三个字段。它起作用，因为在第三个测试字段后面没有空格。如果那里可能有空格，则sed脚本更容易;它已经处理了它们，而awk脚本必须被修改才能正确处理它们。

根据评论判断，所需的输出是“<%”和“%>”之间的材料。因此，我们像以前一样使用sed：

sed -n '/.*\(<%.*%>\).*/s//\1/p'

在符合“任何内容 - <% - 任意内容 - %> - 任何内容”的行上，将整行替换为“<%”和“%>”之间的部分（包括标记）并打印结果。请注意，如果线上有多个匹配的图案，则只打印最后一个图案。（问题和评论不包括在这种情况下要做什么，所以这是可以接受的。替代方案很难，最好用Perl或Python来处理。）

如果必须保留行上的单引号，那么你可以使用其中任何一个 - 我使用第一个带有正则表达式的双引号，但它们都有效并且是等效的。 OTOH，如果正则表达式中存在涉及$符号或反向标记的表达式，则单引号更好;在shell级别的单引号字符串中没有元字符。

sed -n "/.*\('<%.*%>'\).*/s//\1/p"
sed -n '/.*\('\''<%.*%>'\''\).*/s//\1/p'

序列'\''是将单引号嵌入shell脚本中的单引号字符串的方式。第一个引号终止当前字符串;反斜杠引号生成一个引号，最后一个引号启动一个新的单引号字符串。

Answer 2

grep的-o选项是您想要的：

grep -o "'.*'" filename

Answer 3

grep -P "^Test" 1.htm |awk '{print $3}'

Grep的图案

3 个答案: