☰

Sed regexp 问题，从 ^ 到 " 之间的任何内容匹配

tag-icon • tag-icon sed regular-expression
Sed regexp 问题，从 ^ 到 " 之间的任何内容匹配

我已经很长时间没有使用sedregexp 了，所以我有点生疏了。简化一下，我有以下输入作为我想从中提取网址的输入：

href="https://unix.stackexchange.com/"

我使用了 regex101.com 上非常有用的工具来优化我的表达式，以最初删除^和第一个之间的所有内容"：

s/^.*="//

然而，这不是我想要的，因为我不想依赖这个=标志。但是，如果我将表达式修改为：

s/^.*"//

它匹配最后一个^和最后一个之间的所有内容"并忽略第一个。

显然，我在这里遗漏了一些令我感到沮丧的东西，但我们将不胜感激地收到任何帮助。

在 arch64 上运行 Ubuntu 21.04。

答案1

你缺少的是.*匹配的贪婪地，消耗尽可能多的字符（包括"直到最后一个字符）。

您可以"使用 排除“之间的任何内容” [^"]*，或者切换到提供非贪婪修饰符的正则表达式引擎，例如 Perl.*?

$ printf '%s\n' 'href="https://unix.stackexchange.com/"' | sed 's/^[^"]*"//'
https://unix.stackexchange.com/"

$ printf '%s\n' 'href="https://unix.stackexchange.com/"' | perl -pe 's/^.*?"//'
https://unix.stackexchange.com/"

OTOH，如果您真正想要的是裸露的 URL，您可以匹配并捕获第一个引用和最后一个引用之间的所有内容，并使用反向引用仅重新替换：

$ printf '%s\n' 'href="https://unix.stackexchange.com/"' | sed 's/^[^"]*"\(.*\)"/\1/'
https://unix.stackexchange.com/

严格来说，初始^[^"]*不再需要是非贪婪的，并且可以^.*在这种情况下替换为，因为正则表达式作为一个整体不能消耗第一个"，同时仍然匹配第二个（尽管使其贪婪可能会引入不必要的回溯）。

答案2

cut这就是发明这种工作的目的：

$ cut -d'"' -f2 file
https://unix.stackexchange.com/

答案3

您可以将所有内容匹配到第一的 "和：

sed 's/^[^"]*"//'

这将从行的开头匹配^几个（零个或多个*）字符不是双引号 ( [^"]) 后跟双引号"。

答案4

使用gawk：

awk '{print gensub(/(^.*")(.*")/, "\\2", "g");}' input

在此命令中，gawk内置gensub()函数使用反向引用（）将所有捕获组替换为第二个捕获组\\2。

如果我们想删除尾部引号，则命令可以更改为：

awk '{print gensub(/(^.*")(.*)(")/, "\\2", "g");}' input

相关内容