sed正則表達式在第一場比賽停止

Question

我想要替換以下html文本的一部分（摘錄一個巨大的文件），更新舊的論壇格式（從一個非常糟糕的論壇移植工作2年前完成）到常規phpBB格式：

<blockquote id="quote"><font size="1" face="Verdana, Arial, Helvetica" id="quote">quote:<hr height="1" noshade id="quote"><i>written by User</i> 

這應該被過濾到：

[quote=User] 

我用下面的正則表達式在sed

s/<blockquote.*written by \(.*\)<\/i>/[quote=\1]/g 

這適用於給定示例，但在實際文件中，像這樣的幾個引號可以在一行中。在這種情況下，sed太貪婪，並且在[quote = ...]標籤中的第一個和最後一個匹配之間放置所有內容。我似乎無法使它在行中取代這種模式的每一個發生...（我不認爲有任何嵌套的引號，但這會使它更難）

Answer 1

你需要一個版本的sed的（1）使用Perl兼容的正則表達式，這樣就可以做這樣的事情做一個最小的匹配，或一個具有負先行。

最簡單的方法是首先使用Perl。

如果您有一個現有的sed腳本，您可以在使用S2P（1）實用程序翻譯成Perl的。請注意，在Perl中，您確實想要在s///運算符的右側使用$1。在大多數情況下，\1的祖父，但一般而言，您想$1有：

s/<blockquote.*?written by (.*?)<\/i>/[quote=$1]/g; 

通知我已刪除從括號前面的反斜槓。使用Perl的另一個優點是，它採用了理智egrep的風格的正則表達式（如AWK），不醜的grep風格的人（如sed的）需要所有這些混亂（和不一致的）所有反斜槓在那個地方。

使用Perl的另一個優點是可以使用成對的可嵌套分隔符來避免醜陋的反斜槓。例如：

s{<blockquote.*?written by (.*?)</i>} 
{[quote=$1]}g; 

其他優勢包括Perl的相處很好很好用UTF-8（現在網絡的多數編碼格式），並且，你可以做多場比賽沒有極端痛苦sed的需要爲。例如：

$ perl -CSD -00 -pe 's{<blockquote.*?written by (.*?)</i>}{[quote=$1]}gs' file1.utf8 file2.utf8 ... 

的-CSD使得治療標準輸入，標準輸出和文件爲UTF-8。 -00使其一次讀取整個文件，並且/s使點根據需要跨越換行邊界。

Answer 2

我不認爲sed支持非-greedy比賽。你雖然可以嘗試的Perl：

perl -pe 's/<blockquote.*?written by \(.*\)<\/i>/[quote=\1]/g' filename 

Answer 3

這可能會爲你工作：

sed '/<blockquote.*written by .*<\/i>/!b;s/<blockquote/\n/g;s/\n[^\n]*written by \([^\n]*\)<\/i>/[quote=\1]/g;s/\n/\<blockquote/g' file 

說明：

• 如果某行不包含模式，然後跳過它。 /<blockquote.*written by .*<\/i>/!b
• 在整條線上將模式的前端更改爲全局換行符。 s/<blockquote/\n/g
• 全局替換換行符，然後使用[^\n]*而不是.*替換其餘的格式。 s/\n[^\n]*written by \([^\n]*\)<\/i>/[quote=\1]/g
• 恢復這些換行符不會更改爲原來的前方格局。 s/\n/\<blockquote/g