如何打印只與sed匹配？

Question

好的，這是一個容易的，但我無法弄清楚。

基本上我想從一個大的html文件中提取所有鏈接（<a href="[^<>]*">[^<>]*</a>）。

我試圖用sed做到這一點，但我得到了各種結果，只是不是我想要的。我知道我的正則表達式是正確的，因爲我可以替換文件中的所有鏈接：

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

如果我運行在類似

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

我得到

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

如何我可以擺脫一切，只是打印比賽？我的首選最終結果是：

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

PS。我知道我的正則表達式不是最靈活的，但對我的意圖已經足夠了。

Answer 1

匹配整行，把有趣的部分在一組，由該組的內容替換。使用-n選項可抑制不匹配的行，並添加p修飾符以打印s命令的結果。

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

請注意，如果在線上有多個鏈接，這隻會打印最後一個鏈接。你可以改進，但它超越了簡單的sed使用。最簡單的方法是使用兩個步驟：首先在任意兩個鏈接之前插入一個換行符，然後提取鏈接。

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

這仍然不能處理HTML註釋，<pre>，那些跨越了幾行鏈接等。當解析HTML，use an HTML parser。

Answer 2

假設有每行下面可能只工作一個超鏈接...

 sed -e 's_.*&lta href=_&lta href=_' -e 's_>.*_>ed <<'EOF' 
-e 's_.*&lta href=_&lta href=_' -e 's_>.*_>_'

Answer 3

如果你像sed它可以用非常不同的輸入複製不介意用perl：

 perl -n -e 's+(<a href=.*?</a>)+ print $1, "\n" +eg;'

Answer 4

這可能會爲你工作（GNU SED）：

sed '/<a href\>/!d;s//\n&/;s/[^\n]*\n//;:a;$!{/>/!{N;ba}};y/\n/ /;s//&\n/;P;D' file