如何在 awk 或 sed 中编写查找所有函数（使用正则表达式）

Question

我有运行 python 的 bash 函数（它从标准输入返回所有找到的正则表达式）

function find-all() {
    python -c "import re
import sys
print '\n'.join(re.findall('$1', sys.stdin.read()))"
}

当我使用这个正则表达式 find-all 'href="([^"]*)"' 它应该从正则表达式返回第一组（文件index.html中href属性的值）

我如何在sed或awk中编写它？

Answer 1

我建议您使用grep -o。

-o, --only-matching
       Show only the part of a matching line that matches PATTERN.

例如：

$ cat > foo
test test test
test
bar
baz test
$ grep -o test foo
test
test
test
test
test

---

更新

如果您要从 html 文件中提取 href 属性，请使用以下命令：

$ grep -o -E 'href="([^"]*)"' /usr/share/vlc/http/index.html
href="style.css"
href="iehacks.css"
href="old/"

您可以使用 cut 和 提取值>sed 像这样：

$ grep -o -E 'href="([^"]*)"' /usr/share/vlc/http/index.html| cut -f2 -d'=' | sed -e 's/"//g'
style.css
iehacks.css
old/

但是为了可靠性，你最好使用 html/xml 解析器。

Answer 2

这是一个 gawk 实现（未使用其他 awks 进行测试）： find_all.sh

awk -v "patt=$1" '
    function find_all(str, patt) {
        while (match(str, patt, a) > 0) {
            for (i=0; i in a; i++) print a[i]
            str = substr(str, RSTART+RLENGTH)
        }
    }
    $0 ~ patt {find_all($0, patt)}
' -

然后：

echo 'asdf href="href1" asdf asdf href="href2" asdfasdf
asdfasdfasdfasdf href="href3" asdfasdfasdf' | 
find_all.sh 'href="([^"]+)"' 

输出：

href="href1"
href1
href="href2"
href2
href="href3"
href3

将 i=0 更改为 i=1 如果您只想打印捕获的组。使用i=0，即使模式中没有括号，您也会得到输出。