如何使用bash中的grep来阻止贪婪

Question

我有一个包含以下内容的html页面:

[...]
<tr><td class="n"><a href="play-1.0.1.zip">play-1.0.1.zip</a></td></tr>
<tr><td class="n"><a href="play-1.0.2.1.zip">play-1.0.2.1.zip</a></td></tr>
<tr><td class="n"><a href="play-1.0.2.zip">play-1.0.2.zip</a></td></tr>
[...]

而且我想提取一下

play-1.0.1.zip
play-1.0.2.1.zip
play-1.0.2.zip

然后找到最新版本(在这种情况下,它将是play-1.0.2.1.zip)

所以我尝试了

cat tmp.html | grep "<a href=\".*\""

<a href="play-1.0.1.zip">play-1.0.1.zip</a></td><td class="m"
<a href="play-1.0.2.1.zip">play-1.0.2.1.zip</a></td><td class="m"
<a href="play-1.0.2.zip">play-1.0.2.zip</a></td><td class="m"

所以我试着懒惰:

cat tmp.html | grep "<a href=\".*?\""

并否定报价

cat tmp.html | grep "<a href=\"[^\"]*?\""

两人都没有回来

我只需要获得匹配的部分(而不是href),然后找到最新的,但我仍然坚持这个贪婪问题......

-

非常感谢所有答案,它们都很有用,很难确定哪一个是正确的,最后我用以下方法解决了:

grep -v '.*-RC.*' index.html | grep -oP 'play-1.*?.zip' | sort -Vru | head -1

Answer 1

与其他答案相反,这可以完全用grep完成.

您的输出与输入略有不同 - 显示了额外的元素.出于这个答案的目的,我将使用这个文件:

<tr><td class="n"><a href="play-1.0.1.zip">play-1.0.1.zip</a></td><td class="n"><a href="play-1.0.1.zip">play-1.0.1.zip</a></td></tr>
<tr><td class="n"><a href="play-1.0.2.1.zip">play-1.0.2.1.zip</a></td><td class="n"><a href="play-1.0.1.zip">play-1.0.1.zip</a></td></tr>
<tr><td class="n"><a href="play-1.0.2.zip">play-1.0.2.zip</a></td><td class="n"><a href="play-1.0.1.zip">play-1.0.1.zip</a></td></tr>

你需要做一些事情.首先,您需要设置正确的grep开关.你需要:

• -o仅输出每行的匹配部分
• -P使用Perl兼容的正则表达式引擎

现在你可以使用？修饰符以防止贪婪匹配:

grep -o -P '<a href=".*?"' test.html

<a href="play-1.0.1.zip"
<a href="play-1.0.1.zip"
<a href="play-1.0.2.1.zip"
<a href="play-1.0.1.zip"
<a href="play-1.0.2.zip"
<a href="play-1.0.1.zip"

这不太正确,所以我们将正则表达式锚定到该行的第一个匹配:

grep -o -P '^<tr><td class="n"><a href=".*?"' test.html

<tr><td class="n"><a href="play-1.0.1.zip"
<tr><td class="n"><a href="play-1.0.2.1.zip"
<tr><td class="n"><a href="play-1.0.2.zip"

这是正确的数据,但有太多的错误.我们需要使用的是零宽度断言(PCRE语法的一部分).本质上是正则表达式的一部分,不计入匹配的模式.

grep -o -P '(?<=^<tr><td class="n"><a href=").*?(?=")' test.html

play-1.0.1.zip
play-1.0.2.1.zip
play-1.0.2.zip

现在,您可以执行任何操作以对列表进行排序.有关零宽度断言的更多信息,请访问:http://www.regular-expressions.info/lookaround.html

Answer 2

使用GNU工具,您可以做到

grep -oP '(?<=<td class="n"><a href=")[^"]+' | sort -Vr | head -1