sed 替换不以 http:// 开头的部分行

Question

我被 sed 卡住了 .. 我试图在 html 文件中的链接不以 http 开头时使用 / 前缀。我知道这可能不是解决此问题的最佳方法，但我只是在一个简单的快速/解决方案之后。

到目前为止，我已经尝试过这个（注意 IRL 我将使用 -i in place 标志等，这仅用于测试）：

echo '<a href="egww">blah</a><a href="http://bloge.weg">yeah</a>' |
sed 's@href="[^http]@href="/@g'

这几乎有效：

<a href="/gww">blah</a><a href="http://bloge.weg">yeah</a>

除了第一个链接的第一个字符被切断外，我认为它与 h、t、t 或 p 不匹配，而不是整个字符串 http：

echo '<a href="egww">blah</a><a href="p/bloge.weg">damn</a>' |
sed 's@href="[^http]@href="/@g'

<a href="/gww">blah</a><a href="p/bloge.weg">damn</a>

在这一点上我很困惑，不幸的是谷歌在这里没有多大帮助，因为 sed 的否定通常用于删除包含字符串的行而不是不匹配行中的子字符串..我尝试了几个“正常”正则表达式模式，但这些似乎不起作用。

有任何想法吗？

Answer 1

[^http]不是什么，而是http。该 RE 匹配一个字符，只要它既不是h，也不是，也不t是p。所以href="[^http]匹配href="bin href="blah"，但不匹配href="tin href="toto"。

在这里，你会想要这样的东西：

sed -E 's@(href=")([^h]|h([^t]|t([^t]|t([^p]|$)|$)|$)|$)@\1/\2@g'

也就是说href="，随后要么不可─ h（一个比其他字符h），或h-not- t，或ht-not- t，或htt-not- p，或htt-EOL，或ht-EOL或h-EOL或EOL。（EOL ==“行尾”，最后 4 个不太可能在输入中找到，因为这意味着"不匹配）。

（假设您sed支持尚未标准的-E选项）。

您还可以添加/always 但在 when in 之后将其删除href="/http：

sed 's@href="@&/@g;s@href="/http@href="http@g'

或与perl：

perl -pe 's|href="\K(?!http)|/|g'

Usingperl的否定前瞻 RE 运算符。