如何仅打印sed匹配项？

Question

好的，这很简单，但是我无法弄清楚。

基本上，我想从一个大的html文件中提取所有链接（ <a href="[^<>]*">[^<>]*</a> ）。

我试图用sed来做到这一点，但是我得到了各种各样的结果，但不是我想要的。 我知道我的regexp是正确的，因为我可以替换文件中的所有链接：

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

如果我在类似的东西上运行

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

我懂了

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

我该如何摆脱其他一切，而只打印比赛？ 我首选的最终结果是：

<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regexp不是最灵活的，但足以满足我的意图。

Answer 1

匹配整行，将有趣的部分放在组中，然后替换为组的内容。 使用-n选项禁止显示不匹配的行，并添加p修饰符以打印s命令的结果。

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

请注意，如果该行上有多个链接，则仅打印最后一个链接。 您可以对此进行改进，但它不仅限于简单的sed使用。 最简单的方法是使用两个步骤：首先在任何两个链接之前插入换行符，然后解压缩链接。

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

这仍然无法处理HTML注释， <pre> ，分布在多行上的链接等。解析HTML时，请使用HTML解析器 。

Answer 2

假设每行只有一个超链接，则可能会起作用...

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

Answer 3

如果您不介意使用像sed这样的perl，则可以使用非常多样化的输入进行复制：

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

Answer 4

这可能对您有用（GNU sed）：

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