☰

Sed 正在转储整个文件

tag-icon • tag-icon command-line text-processing grep sed
Sed 正在转储整个文件

我正在尝试解析 HTML 文件的内容以抓取下载目录，但是我已将其修改为重现我的问题的 MWE：

sed -e 's|\(href\)|\1|' index.html

打印整个 index.html。我原本以为是我的表达式有问题，但这个非常基本的表达式证明这是错误的。

如果我删除或者在最后-e添加，也会发生同样的情况。g

我已经有一段时间没用过 sed 了，我是不是做错了什么？sed 是否会混淆 html 文件中的字符？

答案1

您应该使用grep在文件中查找文本
sed来更好地进行文本替换

如果您想列出超文本链接，您可以像这样简单地 grep 该文件：

grep -Po '(?<=href=")[^"]*' index.html

答案2

sed您已将声音解释为与命令 ubstitution 一起使用的正常行为s。我想您正在寻找类似这样的内容：

sed -nr 's/^.*href="(http.*)".*$/\1/p' index.html

在哪里：

  • /在这种情况下用作分隔符（您可以使用|或#等）。

  • 选项-n（--quiet，--silent）抑制模式空间的自动打印，并且与此选项一起，我们应该使用一些附加命令来告诉 sed 要打印什么。

  • 此附加命令是打印命令 p，添加到脚本末尾。如果 sed 未使用 -n 选项启动，则 p 命令将复制输入。

  • 该选项-r启用扩展正则表达式。如果没有这个选项，我们的命令可能是：

    sed -n 's/^.*href="\(http.*\)".*$/\1/p' index.html

  • 该命令的s意思是替代：#<string-or-regexp>#<replacement>#。

  • ^将匹配到行首。$将匹配到行尾。

  • 在 中，捕获组(http.*)将被视为变量\1。

使用示例：

$ cat index.html 
<!DOCTYPE html>
<html><head><title>Page Title</title></head><body>
    <h1>My First Heading</h1>
    <p>My first paragraph.</p>
    <a href="https://www.w3schools.com">Visit W3Schools</a>
</body></html>

$ sed -nr 's/^.*href="(http.*)".*$/\1/p' index.html 
https://www.w3schools.com

更多示例：

答案3

这可能过于麻烦，但我认为它对你来说是有用的，只要你的 href 内容不包含空格。

grep "href" index.html |tr ' ' '\n'|grep "^href" |cut -f2 -d'='

第一个命令grep仅挑选出包含 href 的行。tr将空格转换为换行符。第二个grep命令仅抓取您感兴趣的 href 部分。最后，抓取cut“ href=”之后的所有内容。

相关内容