更換_到 - 使用sed，但僅在HREF屬性

Question

我想在文本片段來代替，如：

<strong>Media Event &quot;New Treatment Options on November 4&ndash;5, 2010, in Paris, France<br /></strong><a href="/news/electronic_press_kits/company_media_event_trap_eye.php">&gt;&gt; more</a> 

全部用破折號下劃線。但僅限於href屬性。由於有數百個文件，最好的方法是使用sed或一個小的shell腳本處理這些文件。

我開始與

\shref=\"([^_].+?)([_].+?)\" 

但這只是1相匹配_，我不知道的_數量和我stucked如何動態地可以在一個未知數量的反向引用的替換下劃線。

Answer 1

多數民衆贊成對具體使用HTML面向的工具是目前爲止最好，因爲試圖用正則表達式可導致madness它的工作。

但是，假設只有一個href每行，你也許能夠使用這種分而治之法：

sed 's/\(.*href="\)\([^"]*\)\(".*\)/\1\n\2\n\3/;:a;s/\(\n.*\)_\(.*\n\)/\1-\2/;ta;s/\n//g' inputfile 

說明：

• s/\(.*href="\)\([^"]*\)\(".*\)/\1\n\2\n\3/ - 把周圍的換行符內容href
• :a;s/\(\n[^\n]*\)_\([^\n]*\n\)/\1-\2/;ta - 在換行符之間的文本中逐個替換下劃線，t分支到標籤:a如果替換作出
• s/\n//g - 刪除第一步

Answer 2

正則表達式根本上是這項工作的錯誤工具。有太多必須匹配的上下文。

相反，你需要寫一些逐個字符的東西，有兩種模式：一種是複製所有輸入，另一種是用短劃線替換下劃線。在查找href開始時，它進入第二種模式，在離開href時它返回到第一個模式。這實質上是一個標記器的有限形式。