过滤掉 html 标签并使用 sed 替换为其他 html 标签

Question

我被更换<B>，并</B>用<STRONG>和</STRONG>在文件中。这有点像替换 hmtl 标签。我用过sed 's/\<B\>/STRONG/g'。它完成了这项工作，但如果在文件中[B]并且[/B]存在。然后它们也被更改为[STRONG]和[/STRONG]。我不明白它背后的逻辑。

Answer 1

默认情况下，sed 使用基本的正则表达式。这意味着 GNU 允许\<匹配单词的开头并\>匹配单词的结尾。观察：

$ echo '<B> BBB B' | sed 's/\<B\>/STRONG/g'
<STRONG> BBB STRONG

\<B\>匹配B在上述字符串中出现两次的单词。因为它匹配单词B而不是尖括号，所以尖括号保持不变。

如果要匹配尖括号, <>，请关闭反斜杠：

$ echo '<B> BBB B' | sed 's/<B>/<STRONG>/g'
<STRONG> BBB B

<B>匹配左尖括号，B后跟右尖括号。因此，<B>被替换为<STRONG>但B被留下。

捕获打开和关闭标签

$ echo '<B> BBB B </B>' | sed -r 's|<(/)?B>|<\1STRONG>|g'
<STRONG> BBB B </STRONG>

-r用于扩展正则表达式，但最新版本的 GNU sed 也支持-E作为-r. BSD sed-E用于此目的，据报道，未来的 POSIX 标准已采用-E. 因此，为了兼容性，人们可能想要使用（帽子提示@Kos）：

$ echo '<B> BBB B </B>' | sed -E 's|<(/)?B>|<\1STRONG>|g'
<STRONG> BBB B </STRONG>

Answer 2

<并且>不是Basic Regular Expressions 中的特殊字符，所以它们不应该被转义。当您转义它们时，sed将尝试将它们视为特殊字符，然后行为未定义：

以 a ( '\' ) 开头的普通字符的解释是未定义的，除了：

• 字符 ')'、'('、'{' 和 '}'
• 数字 1 到 9（包括匹配多个字符的 BRE）
• 括号表达式中的字符

因此，只需使用<且>无需转义：

$ echo 'b<b>' | sed 's/<b>/strong/'  
bstrong