使用 sed 删除除特定模式之外的所有内容

Question

如何仅获取链接的 http 源中的链接部分？

我有

<a href="http://unix.stackexchange.com/users/20661/">Unix &amp; Linux

并且想要得到

http://unix.stackexchange.com/users/20661/

我试过

sed 's/^.*(http.*)".*$/\1/g'

但这给出了一个错误：

sed: -e expression #1, char 22: invalid reference \1 on `s' command's RHS

Answer 1

尝试这个：

sed -r 's/.*(http[^"]*)".*/\1/g'

在 Mac OSX 上，尝试：

sed -E 's/.*(http[^"]*)".*/\1/g'

笔记

这个sed命令有几个需要注意的地方：

sed 's/^.*(http.*)".*$/\1/g'

1. 该^是不必要的。sed 的正则表达式总是贪婪的。这意味着，如果一个以.*匹配开头的正则表达式，它将始终从行的开头匹配。

2. 为了(成为一个分组字符，它可以被转义，也可以使用-r标志（-E在 OSX 上）打开扩展正则表达式。此标志通常会大大减少您需要的转义次数。

3. 此外，因为正则表达式是贪婪的，(http.*)"将匹配行中的最后一个双引号，而不是第一个。但是，URL 将以第一个双引号结尾。相反，使用(http[^"]*)"和匹配永远不会超出第一个"。

4. 美元符号.*$也是多余的。同样，因为正则表达式是贪婪的，如果以.*匹配结尾的正则表达式，它将匹配到行尾。