使用 unix 或 python 替换文本文件中的非标准 URL 模式答案

【问题标题】：Replace non-standard URL patterns inside text file using unix or python使用 unix 或 python 替换文本文件中的非标准 URL 模式
【发布时间】：2021-09-17 13:35:47
【问题描述】：

我有一个包含许多行的文本文件，其中包含如下所示的 URL：

http // t . co / gjut7iu89o

我想将这整个部分标记为 URL

URL 部分在文本之间，所以我不能只删除 http 之后的所有内容，我在这里尝试过：

sed -i 's/\https.*/URL/' filename

那是删除 url 之后的所有内容，这不是我想要的。

我尝试使用sed re，但无法获得删除文本文件中此模式的逻辑

【问题讨论】：

期望的输出是什么？你能编辑这个问题吗？谢谢
这是您要查找的内容：'http // t . co / gjut7iu89o'.replace(' ', '').replace('//', '://').replace('p:', 'ps:')?

标签： regex linux bash unix sed

【解决方案1】：

您有一个如下所示的文本文件：

一些文本你好 http // t 。 co / lorem 这是带有 http // t 的文本文件。 co / ipsum 多行和网址 http // t 。 co / 随处可见

你希望它看起来像这样：

一些文本你好 URL 这是带有多行 URL 的文本文件和 url 到处都是 URL

如果我的理解是正确的，并且如果这些都是 t.co 链接或者在最后的 / 之后只有一个单词，您可以将匹配限制在最后的 / 之后的一个单词。这将与 GNU sed 和 -r 选项一起使用

sed -r -i 's/https?.*\/\s*\w*/URL/g' filename

用于其他工具的正则表达式部分是：

/https?.*\/\s*\w*/

s?：可选s
.*\/: 一切都在转义/
\s*：任意数量的连续空格（或无）
\w*: 一个或多个连续的正则表达式字符

这将产生如上所需的输出

【讨论】：

嗨！想确认，但标志不应该是-r（小写）而不是-R？
@nigel 非常感谢。确实。我也是这么想的，直到检查确定为止。只是刚才你提到它，我看起来更深入一点，发现我的sed 当前链接到被取代。马上更新