sed awk 改为获取子字符串 - 正则表达式答案

【问题标题】：sed awk get substring instead - regexsed awk 改为获取子字符串 - 正则表达式
【发布时间】：2013-08-16 04:28:29
【问题描述】：

您好，如何使用 sed 或 awk 提取与正则表达式匹配的子字符串。

我见过几个修改或更改子字符串，但我只想得到匹配的部分。

我的数据如下所示：

<loc>http://www.A.com/sitemap1.gz</loc>
<loc>http://www.A.com/sitemap2.gz</loc>
<loc>http://www.A.com/sitemap3.gz</loc>
<loc>http://www.A.com/sitemap4.gz</loc>
<loc>http://www.A.com/sitemap5.gz</loc>
<loc>http://www.A.com/sitemap6.gz</loc>
<loc>http://www.A.com/sitemap7.gz</loc>
<loc>http://www.A.com/sitemap8.gz</loc>

输出应该是这样的

http://www.A.com/sitemap1.gz
http://www.A.com/sitemap2.gz
http://www.A.com/sitemap3.gz
....

我试过了

cat data | sed 's/'http.*gz'//'

但是这个命令实际上删除了我想要保留的部分。谢谢

【问题讨论】：

标签： regex sed awk

【解决方案1】：

一个简单的grep 将与-o 选项一起使用：

$ grep -o 'http[^<]*' file
http://www.A.com/sitemap1.gz
http://www.A.com/sitemap2.gz
http://www.A.com/sitemap3.gz
http://www.A.com/sitemap4.gz
http://www.A.com/sitemap5.gz
http://www.A.com/sitemap6.gz
http://www.A.com/sitemap7.gz
http://www.A.com/sitemap8.gz

使用awk，您可以这样做：

$ awk -F'[<>]' '{print $3}' file
http://www.A.com/sitemap1.gz
http://www.A.com/sitemap2.gz
http://www.A.com/sitemap3.gz
http://www.A.com/sitemap4.gz
http://www.A.com/sitemap5.gz
http://www.A.com/sitemap6.gz
http://www.A.com/sitemap7.gz
http://www.A.com/sitemap8.gz

【讨论】：

如果我理解正确，^ 就像拒绝符号，所以匹配直到遇到'
正确，但是 <loc 不会被视为一个单词，而是一组称为字符类的字符。
你怎么能当成一个词呢？这将非常有帮助
你会想要lookarounds@anubhava 答案使用正向前瞻和后向。要匹配任何不跟随给定单词的字符串，您需要否定前瞻。 Lookarounds 不是 BRE （基本正则表达式） 甚至 ERE （扩展正则表达式） 的一部分，因此请检查您的语言/环境是否支持它们。

【解决方案2】：

这个 sed 应该可以工作：

sed 's/^.*\(http.*gz\).*$/\1/' file

OR grep -P (--perl-regexp) 也可以完成这项工作：

grep -Po '(?<=<loc>).*?(?=</loc>)' file

【讨论】：