如何將一個模式的最後出現匹配一行字符串

Question

我使用這個命令行得到了包含各種其它標記的HTML文件中的特定行，鏈接等：

cat index.html | grep -m1 -oE '<a href="(.*?)" rel="sample"[\S\s]*.*</dd>' 

它輸出，我想這行：

<a href="http://example.com/something/one/" rel="sample" >Foo</a> <a href="http://example.com/something/two/" rel="sample" >Bar</a></dd> 

但我想只捕獲something/two（的最後 URL路徑），考慮到：

• 事先不知道URL（這是一個處理多個html文件的腳本）

• 該行有時可能只包含一個URL，

  <a href="http://example.com/something/one/" rel="sample" >Foo</a></dd> 
  

  在這種情況下，我想只有something/one獲得儘可能在這種情況下，最後之一。

我該怎麼做？

Answer 1

如果你可以使用perl，然後在正則表達式中捕獲使得這更容易。

perl -ne 'm(.*<a href="[^:]+://[^/]*/(.*?)" rel="sample".*</dd>) and print "$1\n";' 

正則表達式基本上和grep一樣。我使用m()而不是//來避免在正則表達式中轉義/。

初始的.*會貪婪地捕捉行開頭的所有內容。如果一條線上有多個鏈接，它將捕獲除最後一個以外的所有鏈接。這也適用於grep，但它會導致grep -o輸出行的開始，因爲它現在匹配正則表達式。

這與捕獲括號無關，因爲只有(.*?)內部的部分被捕獲和打印。

它將以與grep相同的方式使用。

cat index.html | perl -ne 'm(.*<a href="[^:]+://[^/]*/(.*?)" rel="sample".*</dd>) and print "$1\n";' 

or 

perl -ne 'm(.*<a href="[^:]+://[^/]*/(.*?)" rel="sample".*</dd>) and print "$1\n";' index.html 

Answer 2

只需添加

| grep -o 'href="[^"]*' | tail -n1 

第一部分只提取href秒，第二部分只保留最後一行。

如果你想只提取的路徑，你可以使用cut用分隔符設置爲/並提取了從第四列開始：

| grep -o 'href="[^"]*' | tail -n1 | cut -f4- -d/ 

因爲

href="http://example.com/something/two/ 
1   23   4   5 

Answer 3

在Linux中，GNU grep的-P選項允許一個簡潔的解決方案：

$ grep -oP '.*<a href="http://.+?/\K[^"]+(?=/"\s*rel="sample".*</dd>$)' index.html 
something/two 

-o僅輸出匹配的部分（一個或多個），每個匹配線的。

-P激活支持PRCEs (Perl-compatible Regular Expressions)，它支持先進的正則表達式的構建體，例如非貪婪匹配（*?），滴到目前爲止的所有（\K）匹配，並且先行斷言（(?=...）。

• 的\K組合和(?=...)允許約束正則表達式到子表達式的興趣的匹配部分。
  注意沒有grep實現支持捕捉組，但上面的，這要歸功於-P啓用的功能，是提取單捕獲組值的仿真。

---

至於你試過：

• -m1限制匹配線 1的數，但-o也存在，多對1的比賽行仍然是全部印。

  • 此外，雖然你可以使用(...)爲優先，並不構成捕獲組在grep，因爲有爲grep提取捕獲組值不支持。

• 即使-E爲擴展正則表達式支持，先進的結構，如非貪婪匹配（.*?）是支持不。