瞭解sed/awk ^和[]

Question

首先，有沒有比使用sed和awk更好的命令行Linux處理文本的方法，它可以從使用wget下載的HTML頁面處理文本？如果是這樣，請告訴我或鏈接到文檔。

其次，我感到困惑的下面的表達式......因爲來自新生產線的開始^搜索，爲什麼空白gsub(/[^a-z]]*/, " ")替代非字母字符，又是什麼逗號,在這裏做？爲什麼在這個表達式中有一個無與倫比的]？

Answer 1

對於HTML的處理，您需要描述您想要處理的內容。

^字符當它不在字符類中時可用作'行首'，並且可以指示行的開始（例如，如果正則表達式爲/^[^a-z]/）。當它位於一個字符類（用方括號括起來，[]）內並且是第一個字符時，它是一個元字符，意思是「除下列字符以外的任何字符」。

的gsub函數是一個全局搜索和替換操作：

gsub(/[^a-z]]*/, " ") 

的意思是「代替什麼，是不是在AZ和後跟零個或多個接近方括號空白（中雙引號字符串" "）。逗號是一個參數分隔符，將正則表達式參數與替換字符串參數分開。正則表達式中的第二個方括號是令人驚訝的;這很可能是一個錯誤。

因爲gsub函數沒有第三個參數，所以它在當前輸入行$0上運行。