如何解决这个 sed 语法问题答案

【问题标题】：How to solve this sed syntax issue如何解决这个 sed 语法问题
【发布时间】：2016-04-11 21:08:01
【问题描述】：

我编写了一个正则表达式代码来从一个 html 文件中提取锚标记并得到这个输出。

mdlinks.txt
    <a href='/aspnet/aspnet_refhtmlcontrols.asp'>ASP.NET Reference</a>
    <a href='/aspnet/webpages_ref_classes.asp'>Razor Reference</a>
    <a href='/html/html_examples.asp'>HTML Examples</a>
    <a href='/css/css_examples.asp'>CSS Examples</a>
    <a href='/w3css/w3css_examples.asp'>W3.CSS Examples</a>
    <a href="/js/js_examples.asp" target="_top">JavaScript Examples</a>
    <a href="/js/js_dom_examples.asp" target="_top">HTML DOM Examples</a>

我必须将输出表示为

使用 sed 工具“显示文本”。

    <a[\s]href=('|")([^>]+)">((?:.(?!\<\/a\>))*.)<\/a>

这是我的正则表达式，它捕获文本和 href 链接。

这是我写的 sed 命令

sed -E "s/\"<a[\s]href=('|\")([^>]+)\">((?:.(?!\<\/a\>))*.)<\/a>\"/\[\2\] \(\1\)/" mdlinks.txt

但这给了我错误。有人能帮帮我吗？

【问题讨论】：

你得到什么错误？期望的输出是什么样的？
您正在尝试使用一些 sed 或任何其他标准 UNIX 工具（可能是 PCRE？idk）不支持的正则表达式变体。发布minimal reproducible example，以便我们为您提供帮助。
您不能将非捕获组 (?: ) 与 sed 一起使用。

标签： regex linux bash sed

【解决方案1】：

这不是正则表达式（或任何其他字符串操作工具）的工作。您需要能够解析 html 的工具。一个使用xsltproc的例子：

1) 安装xsltproc 包（如果需要）

2) 编写这个描述如何转换 html 输入的 xsl 文件：stylesheet.xsl

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet version= "1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
    <xsl:output method="text" encoding="UTF-8"/>
    <xsl:template match="//a">[<xsl:value-of select="text()"/>] (<xsl:value-of select="@href"/>)</xsl:template>
</xsl:stylesheet>

3) 将您的原始文件或原始 html 内容放入变量中（比如说“CONTENT”），而不是 mdlinks.txt（此步骤无用，并且在 html 内容中查找链接容易出错且浪费时间（至少 5 小时））并写下：

xsltproc --html --novalid stylesheet.xsl <(echo "$CONTENT")

您获得：

[Google.com] (http://google.com)
[An Example] (http://example.com/files.html)
[File #23] (file23.html)
[See my picture!] (images/mypic.png)
[Email Joel] (mailto:joelross@uw.edu)

链接：http://scott.dd.com.au/wiki/XSLT_Tutorial

【讨论】：

【解决方案2】：

使用面向行的工具解析 html 通常会失败。鉴于您的简单布局，您可以尝试

tr -s "<" ">" < mdlinks.txt | cut -d">" -f3

【讨论】：