将 PCRE 正则表达式转换为 sed 时遇到问题

Question

我在如何在 sed 中使用有效的 PCRE 正则表达式时遇到了麻烦。我找到了一个相关的topic，但不幸的是它对我不起作用（如果这应该是必要的信息，我正在使用 Linux 而不是 MacOS X）。 我有一些 HTML 代码，我需要一个特殊的部分——但不是在相同的标签之间。我拥有的正则表达式是根据一些正则表达式测试站点（如 regex101 或 regexr.com）工作的，但是，当尝试在 sed 上使用它时，它会显示整个文件而不是想要的部分。

我的正则表达式是：

/((<div id="main-content" class="wiki-content">)([\w\d\s\S]*))(<\/rdf:RDF>\n-->)/g

它抓取以特定 div 开头的部分并收集包括以下 RDF 部分在内的所有内容。

我正在处理的文本看起来（有趣的部分 - 由于长度原因我剪掉了周围的其余部分，而且这部分只出现在文件中）如下（包括间隙）：

[...]
a href="#page-metadata-start" class="assistive">Go to start of metadata</a>
<div id="page-metadata-end" class="assistive"></div>



        <div id="main-content" class="wiki-content">

        <p><br/></p><p><br/></p><div class="panel conf-macro output-block" data-hasbody="true" data-macro-name="panel" style="border-color: #004237;border-width: 1px;"><div class="panelHeader" style="border-bottom-width: 1px;border-bottom-color: #004237;background-color: #004237;color: white;"><b>Inhalt</b></div><div class="panelContent">
<p> </p><div class="toc-macro client-side-toc-macro  conf-macro output-block" data-hasbody="false" data-headerelements="H1,H2,H3,H4,H5,H6,H7" data-macro-name="toc"> </div><p> </p>
</div></div><h1 id="id-01-Dokumentation-1EinstiegindiePlanung">1 Einstieg in die Planung</h1><p><br/></p><h2 id="id-01-Dokumentation-1.1Startseite">1.1 Startseite</h2><p>Nach der Anmeldung im System findet sich der User auf der Startseite wieder. Von hier aus gelangt er zur &quot;Planning Map&quot;.</p><p>Durch das Umschalten der Company auf die Counter Company kann der Planer die zuvor eingetragenen Werte kontrollieren. Diese erscheinen nach dem Umschalten in der zweiten<br/>Tabelle als negativer Wert auf dem gemappten IC Account.</p><p><br/></p><div class="table-wrap"><table class="wrapped confluenceTable"><colgroup><col/><col/><col/></colgroup><tbody><tr><th class="confluenceTh">Button</th><th class="confluenceTh">Aktion</th><th class="confluenceTh">Beschreibung</th></tr><tr><p>Alle Eintragungen werden auf der untersten Ebene (weißer Hintergrund) ausgeführt. Monate, die nicht mehr beplant werden können sind farblich hinterlegt. Ebenfalls farblich hinterlegt sind<br/>die Accounts, die hier nicht beplant werden können (IC / Capex und Rule belegte Accounts).</p><p><br/></p><div class="table-wrap"><table class="wrapped confluenceTable"><colgroup><col/><col/><col/></colgroup><tbody><tr><th class="confluenceTh">Button</th><th class="confluenceTh">Aktion</th><th class="confluenceTh">Beschreibung</th></tr><tr><td colspan="1" class="confluenceTd">Back</td><td colspan="1" class="confluenceTd">Sheet Wechsel</td><td colspan="1" class="confluenceTd">Zurück zum Sheet Planning Map</td></tr><tr><td colspan="1" class="confluenceTd">Refresh</td><td colspan="1" class="confluenceTd">Prozess ausführen</td><td colspan="1" class="confluenceTd">Sheet wird nochmals neu aufgebaut</td></tr></tbody></table></div>




        </div>

        <!--
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
         xmlns:dc="http://purl.org/dc/elements/1.1/"
         xmlns:trackback="http://madskills.com/public/xml/rss/module/trackback/">
         <rdf:Description
    rdf:about="https://confluence.example.org/confluence/display/KUN/01+-+Dokumentation"
    dc:identifier="https://confluence.example.org/confluence/display/KUN/01+-+Dokumentation"
    dc:title="01 - Dokumentation"
    trackback:ping="https://confluence.example.org/confluence/rpc/trackback/47022143"/>
</rdf:RDF>
-->
[...]

所以当我在提到的测试网站上尝试这个正则表达式时，它标志着我需要的部分（在<div id="main-content" class="wiki-content"> 和</rdf:RDF>\n--> 之间）。

但是当使用sed -r '/((<div id="main-content" class="wiki-content">)([\w\d\s\S]*))(<\/rdf:RDF>\n-->)/g' testfile.txt 时，它会向我显示完整的文件内容，而不是我正在寻找的部分（sed -E... 产生相同的内容）。

我无法解决我的问题所在，因此非常感谢任何帮助。另外，我不是专业的正则表达式用户...

Answer 1

我不确定它在你的情况下会如何工作，因为我可能需要更多数据，但这个可能对你有用：

sed -ne '/<div id="main-content" class="wiki-content">/,/-->/{p}' file.html