了解sed / awk ^和[]

Question

首先，是否有比使用sed和awk更好的命令行Linux處理從wget下載的HTML頁面中的文本的方法？ 如果是這樣，請告訴我或鏈接到doc。

其次，我對以下表達式感到困惑...因為^從新行的開頭開始搜索，為什么空白gsub(/[^az]]*/, " ")替換非字母字符，逗號是什么,在這里嗎？ 為什么在此表達式中有不匹配的] ？

Answer 1

對於HTML的處理，您需要描述要處理的內容。

當^字符不在字符類中時，它可以用作“行的開始”，並且可以指示行的開始（例如，如果正則表達式為/^[^az]/ ）。 當它在字符類內（括在方括號[] ）並且是第一個字符時，則它是一個元字符，表示“除以下字符外的任何字符”。

gsub函數是全局搜索和替換操作：

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

意思是“用z代替任何不在az中的內容，然后用零個或多個接近的方括號替換為空白（雙引號中的字符串" " ）。 逗號是參數分隔符，用於將正則表達式參數與替換字符串參數分隔開。 正則表達式中的第二個方括號令人驚訝； 這很容易是一個錯誤。

因為gsub函數沒有第三個參數，所以它將在當前輸入行$0上操作。