正则表达式匹配 HTML 中的 URL答案

【问题标题】：RegEx matching for URLs in HTML正则表达式匹配 HTML 中的 URL
【发布时间】：2019-06-04 19:27:24
【问题描述】：

我目前将此作为我的命令，用于从 HTML 中以 href 开头的行中删除 URL：

sed -ne 's/.*href="\([^"]*\).*/\1/p'

由于href 可以以' 或" 开头，而我的命令现在只占"，我想知道如何让' 和" 都使用该命令帐户。

【问题讨论】：

【解决方案1】：

/^(<)(.*?)(href=)("|')(.*?)(>)$/gm

or 是|。

() 帮助您逐步对字符串进行分组。

这当然不是最好的，但该在线工具可能会对您有所帮助。

【讨论】：

在一个由' 分隔的衬里中，可以使用\x27 代替'，例如/...("|\x27).../。每个元素（它们捕获）周围都不需要括号，除了它们之后的部分周围的括号，.*?，并且必须分隔交替，("|\x27)。这也可以通过非捕获的(?:"|\x27) 来完成。 ?: 使括号不捕获（记住）它们之间的内容，而仅对这些内容进行分组。
（上面的评论是建设性的/有帮助的，等等——而不是批评！）
是的，看起来不错，除了括号。他们“捕获”，因此内部匹配的内容在$1（第一个括号）、$2（第二个括号）等中。所以只捕获以后需要的内容。根据只有 URL 的问题判断，所以我只在 .*? 之前放置括号 > （与 URL 匹配）。但是，我们还必须将它们放在交替位置("|') 周围，以将其与其余部分分开。由于以后不需要，请使用(?:)（使用?:，它们不会“捕获”，而只是分组）。所以我会说/^<.*?href=(?:\x22|\x27)(.*?)(?:\x22|\x27)>$/gm，然后在$1 中提供URL。
[继续...] 我还为 close 引号添加了模式。所以捕获的(.*?)实际上只是URL。否则，(.*?) 本身也会捕获结束引号。
对——一件事是效率低下，而且（对我而言）不需要的捕获的问题是，以后更难跟踪我需要哪个$N！如果我实际上只需要一件事，并且只捕获那个，那么我知道它是$1 :)