在 Shell 或 bash 中使用正则表达式的子字符串

Question

我有一个巨大的文本文件，其中包含如下行项目

"https://www.wayfair.ca/appliances/pdp/agua-canada-30-500-cfm-ducted-wall-mount-range-hood-agcd1041.html?piid=47570655"
"https://www.wayfair.ca/appliances/pdp/agua-canada-30-500-cfm-ducted-wall-mount-range-hood-agcd1041.html?piid=47570656"
"https://www.wayfair.ca/appliances/pdp/agua-canada-30-500-cfm-ducted-wall-mount-range-hood-agcd1042.html"
"https://www.wayfair.ca/appliances/pdp/agua-canada-30-500-cfm-ducted-wall-mount-range-hood-agcd1043.html?piid=47570657"
"https://www.wayfair.ca/appliances/pdp/agua-canada-30-500-cfm-ducted-wall-mount-range-hood-agcd1043.html?piid=47570658"

我想在最后一次出现“-”之后和“.html”（仅限“agcd1043”）之前提取字母数字字符，并将这些值保存到另一个文件中。

请帮助我使用正则表达式（ . -(.+).html. - 是我用来处理较小文件的正则表达式）或任何其他方法。 TIA

Answer 1

您可以使用sed提取字符串：

sed 's/.*-\([^-]*\)\.html.*/\1/' <<< "https://www.wayfair.ca/appliances/pdp/agua-canada-30-500-cfm-ducted-wall-mount-range-hood-agcd1041.html?piid=47570655"

如果文件中包含所有字符串，则可以对其进行迭代：

while read line
do
  variable=$(sed 's/.*-\([^-]*\)\.html.*/\1/' <<< $line)
  # ... use the value from $variable
done < /path/to/file

sed脚本是一个替代品，其中：

• .*-\\([^-]*\\)\\.html.*是模式
• \\1是替代品

编写模式以捕获任何非连字符字符序列，即[^-]*被困在连字符字符-和.html字符串之间。 点字符被转义用于正则表达式，因此\\.html模式。 前导广告尾随.*确保连字符之前和 html 之后的任何内容也被捕获，否则它们会出现在输出中。