如何使用 sed 只打印匹配项？

Question

好吧，这是一个简单的问题，但我无法弄清楚。

基本上我想<a href="[^<>]*">[^<>]*</a>从一个大html文件中提取所有链接（）。

我尝试用 执行此操作sed，但得到了各种结果，但不是我想要的。我知道我的正则表达式是正确的，因为我可以替换文件中的所有链接：

sed 's_<a href="[^<>]*">[^<>]*</a>_TEST_g'

如果我在类似的东西上运行它

<div><a href="http://wwww.google.com">A google link</a></div>
<div><a href="http://wwww.google.com">A google link</a></div>

我明白了

<div>TEST</div>
<div>TEST</div>

我怎样才能摆脱其他一切并只打印匹配项？我首选的最终结果是：

<a href="http://wwww.google.com">A google link</a>
<a href="http://wwww.google.com">A google link</a>

附言。我知道我的正则表达式不是最灵活的，但它足以满足我的意图。

Answer 1

匹配整行，将感兴趣的部分放在一组中，用组中的内容替换。使用-n选项来抑制不匹配的行，并添加修饰符p来打印命令的结果s。

sed -n -e 's!^.*\(<[Aa] [^<>]*>.*</[Aa]>\).*$!\1!p'

请注意，如果该行有多个链接，则仅打印最后一个链接。您可以对此进行改进，但它超出了简单的 sed 使用范围。最简单的方法是使用两个步骤：首先在任意两个链接之前插入换行符，然后提取链接。

sed -n -e 's!</a>!&\n!p' | sed -n -e 's!^.*\(<[Aa] [^<>]*>.*</[Aa]>\).*$!\1!p'

这仍然不能处理 HTML 注释、<pre>跨多行的链接等。解析 HTML 时，请使用 HTML 解析器。