sed中的非贪婪正则expression式匹配？

我正在尝试使用sed来清理URL的行来提取只是域..

所以来自：

http://www.suepearson.co.uk/product/174/71/3816/ 

我想要：

http://www.suepearson.co.uk/

（无论有没有训练的斜线，没关系）

我努力了：

  sed 's|\(http:\/\/.*?\/\).*|\1|' 

和（逃避非贪心量词）

 sed 's|\(http:\/\/.*\?\/\).*|\1|' 

但我似乎无法得到非贪婪量词的工作，所以它总是最终匹配整个string。

Answer 1

基本的或扩展的Posix / GNU正则expression式都不识别非贪婪的量词; 你需要一个以后的正则expression式。 幸运的是，这个上下文的Perl正则expression式很容易获得：

 perl -pe 's|(http://.*?/).*|\1|' 

Answer 2

尝试[^/]*而不是.*? ：

 sed 's|\(http://[^/]*/\).*|\1|g' 

Answer 3

对于sed，我通常通过search除分隔符之外的任何东西来实现非贪婪search，直到分隔符：

 echo "http://www.suon.co.uk/product/1/7/3/" | sed -n 's;\(http://[^/]*\)/.*;\1;p' 

输出：

 http://www.suon.co.uk 

这是：

• 不要输出-n
• search，匹配模式，replace和打印s/<pattern>/<replace>/p
• 使用 search命令分隔符而不是/使其更容易inputs;<pattern>;<replace>;p
• 记住方括号\( … \)之间的匹配，稍后可以用\1 ， \2 …进行访问
• 匹配http://
• 其次是括号[]的任何内容， [ab/]表示a或b或/
• 第一个^在[]意味着not ，所以除了[]的东西之外
• 所以[^/]意味着除了/字符之外的任何东西
• *是重复上一组，所以[^/]*表示除/之外的字符。
• 到目前为止sed -n 's;\(http://[^/]*\)表示search并记住http://后跟除/之外的任何字符，并记住您find的内容
• 我们要search，直到域的末尾，所以停在下一个/所以添加另一个/最后： sed -n 's;\(http://[^/]*\)/'但我们要匹配在域名之后的其余行添加.*
• 现在在组1（ \1 ）中记住的比赛是域，所以用组\1保存的东西replace匹配的线，并打印： sed -n 's;\(http://[^/]*\)/.*;\1;p'

如果你想在域之后包括反斜杠，那么在组中加一个反斜杠来记住：

 echo "http://www.suon.co.uk/product/1/7/3/" | sed -n 's;\(http://[^/]*/\).*;\1;p' 

输出：

 http://www.suon.co.uk/ 

Answer 4

sed不支持“非贪婪”操作符。

您必须使用“[]”运算符从匹配中排除“/”。

 sed 's,\(http://[^/]*\)/.*,\1,' 

PS没有必要反斜杠“/”。

Answer 5

非单一字符的非贪婪解决scheme

这个线程真的很老，但我认为人们仍然需要它。 比方说，你想杀了一切，直到第一次发生HELLO 。 你不能说[^HELLO]你好[^HELLO] …

所以一个好的解决scheme包含两个步骤，假设你可以省去一个你在input中不需要的独特的angular色，比如说（反引号）。

在这种情况下，我们可以：

 s_HELLO_`_ #will only replace the very first occurrence s_.*`__ #kill everything till end of the first HELLO 

HTH！

Answer 6

这可以使用cut来完成：

 echo "http://www.suepearson.co.uk/product/174/71/3816/" | cut -d'/' -f1-3 

Answer 7

模拟sed懒惰（不贪心）量词

和所有其他正则expression式的风味！

1. 查找expression式的第一次出现：

   • POSIX ERE （使用-r选项）

     正则expression式：

      (EXPRESSION).*|. 

     桑达：

      sed -r "s/(EXPRESSION).*|./\1/g" # Global `g` modifier should be on 

     示例（查找第一个数字序列） 现场演示 ：

      $ sed -r "s/([0-9]+).*|./\1/g" <<< "foo 12 bar 34" 

      12 

     它是如何工作的 ？

     这个正则expression式受益于一个替代| 。 在每一个位置，引擎会寻找交替的第一面（我们的目标），如果它不匹配有交点的交替的第二面. 匹配下一个直接的字符。

     

     由于设置了全局标志，因此引擎会尝试逐个字符地继续匹配，直到inputstring或目标的末尾。 一旦交替左侧的第一个捕获组匹配(EXPRESSION)行的其余部分立即被消耗。 我们现在在第一个捕获组中保持我们的价值。

   • POSIX BRE

     正则expression式：

      \(\(\(EXPRESSION\).*\)*.\)* 

     桑达：

      sed "s/\(\(\(EXPRESSION\).*\)*.\)*/\3/" 

     示例（查找第一个数字序列）：

      $ sed "s/\(\(\([0-9]\{1,\}\).*\)*.\)*/\3/" <<< "foo 12 bar 34" 

      12 

     这个就像ERE版本，但是没有涉及到更改。 就这样。 在每个单一的位置引擎试图匹配一个数字。

     

     如果发现，其他的数字被消耗和捕获，其余的行是立即匹配，否则，因为*表示更多或为零跳过第二个捕获组\(\([0-9]\{1,\}\).*\)*并到达一个点. 以匹配单个字符，并且这个过程继续。

2. 查找首次出现的分隔expression式：

   这种方法将匹配被分隔的string的第一次出现。 我们可以把它称为一个string块。

    sed "s/\(END-DELIMITER-EXPRESSION\).*/\1/; \ s/\(\(START-DELIMITER-EXPRESSION.*\)*.\)*/\1/g" 

   inputstring：

    foobar start block #1 end barfoo start block #2 end 

   -EDE： end

   -SDE： start

    $ sed "s/\(end\).*/\1/; s/\(\(start.*\)*.\)*/\1/g" 

   输出：

    start block #1 end 

   第一个正则expression式\(end\).*匹配并捕获第一个结束定界符end和replace全部匹配最近捕获的字符，这是最后的分隔符。 在这个阶段，我们的输出是： foobar start block #1 end 。

   

   然后将结果传递给第二个正则expression式\(\(start.*\)*.\)* ，它与上面的POSIX BRE版本相同。 它匹配单个字符，如果开始分隔符start不匹配，否则匹配并捕获开始分隔符并匹配其余的字符。

   

---

直接回答你的问题

使用方法＃2（分隔expression式），你应该select两个适当的expression式：

• EDE： [^:/]\/

• SDE： http:

用法：

 $ sed "s/\([^:/]\/\).*/\1/g; s/\(\(http:.*\)*.\)*/\1/" <<< "http://www.suepearson.co.uk/product/174/71/3816/" 

输出：

 http://www.suepearson.co.uk/ 

Answer 8

另一种方式，不使用正则expression式是使用字段/分隔符方法，例如

 string="http://www.suepearson.co.uk/product/174/71/3816/" echo $string | awk -F"/" '{print $1,$2,$3}' OFS="/" 

Answer 9

sed当然有它的地位，但是这不是其中之一！

正如Dee指出的那样：只要使用cut 。 这种情况要简单得多，安全得多。 下面是一个使用Bash语法从URL中提取各种组件的例子：

 url="http://www.suepearson.co.uk/product/174/71/3816/" protocol=$(echo "$url" | cut -d':' -f1) host=$(echo "$url" | cut -d'/' -f3) urlhost=$(echo "$url" | cut -d'/' -f1-3) urlpath=$(echo "$url" | cut -d'/' -f4-) 

给你：

 protocol = "http" host = "www.suepearson.co.uk" urlhost = "http://www.suepearson.co.uk" urlpath = "product/174/71/3816/" 

正如你可以看到这是一个更灵活的方法。

（全部归功于Dee）

Answer 10

sed -E将正则expression式解释为扩展（现代）正则expression式

更新：-E在MacOS X上，-r在GNU sed中。

Answer 11

 sed 's|(http:\/\/[^\/]+\/).*|\1|' 

Answer 12

纯（GNU）sed仍然有希望解决这个问题。 尽pipe在某些情况下这不是一个通用的解决scheme，但您可以使用“loops”来消除string中所有不必要的部分，如下所示：

 sed -r -e ":loop" -e 's|(http://.+)/.*|\1|' -e "t loop" 

• -r：使用扩展正则expression式（用于+和未转义的括号）
• “：loop”：定义一个名为“loop”的新标签
• -e：将命令添加到sed
• “t循环”：如果有成功的replace，则跳回标签“循环”

这里唯一的问题是它也会截断最后的分隔符（'/'），但是如果你确实需要它，你仍然可以简单地在“循环”结束之后把它放回去，只是在前一个末尾附加这个附加命令命令行：

 -e "s,$,/," 

Answer 13

因为你明确表示你正在尝试使用sed（而不是perl，cut等），请尝试分组。 这规避了可能不被识别的非贪婪标识符。 第一组是协议（即'http：//'，'https：//'，'tcp：//'等）。 第二组是域名：

回声“http://www.suon.co.uk/product/1/7/3/”|  sed“s | ^ \（。* // \）\（[^ /] * \）。* $ | \ 1 \ 2 |”

如果您不熟悉分组，请从这里开始。

Answer 14

sed – 由Christoph Sieghart非贪婪匹配

在sed中获得非贪婪匹配的技巧是匹配除终止匹配之外的所有字符。 我知道，这是毫不费力的，但是我浪费了宝贵的时间，毕竟，shell脚本应该是快速和容易的。 所以如果有人可能需要它：

贪婪的匹配

 % echo "<b>foo</b>bar" | sed 's/<.*>//g' bar 

非贪婪的匹配

 % echo "<b>foo</b>bar" | sed 's/<[^>]*>//g' foobar 

Answer 15

我意识到这是一个旧的入口，但有人可能会觉得它有用。 由于完整的域名不得超过253个字符，请使用。\ {1，255 \}replace。*。

Answer 16

 echo "/home/one/two/three/myfile.txt" | sed 's|\(.*\)/.*|\1|' 

不要打扰，我得到了另一个论坛:)

Answer 17

sed 's|\(http:\/\/www\.[az.0-9]*\/\).*|\1| 也是如此

Answer 18

另一个sed版本：

 sed 's|/[:alphanum:].*||' file.txt 

它匹配/后跟一个字母数字字符（所以不是另一个正斜杠）以及字符的其余部分，直到行的末尾。 之后它将其replace为无（即删除它）。

Answer 19

这是你可以用两步法和awk做的事情：

 A=http://www.suepearson.co.uk/product/174/71/3816/ echo $A|awk ' { var=gensub(///,"||",3,$0) ; sub(/\|\|.*/,"",var); print var }' 

输出： http : //www.suepearson.co.uk

希望有所帮助！