正则表达式 – 如何使用bash中的grep来阻止贪婪

发布时间：2020-12-14 05:46:19 所属栏目：百科来源：网络整理

导读：我有一个包含以下内容的html页面： [...]trtd class="n"a href="play-1.0.1.zip"play-1.0.1.zip/a/td/trtrtd class="n"a href="play-1.0.2.1.zip"play-1.0.2.1.zip/a/td/trtrtd class="n"a href="play-1.0.2.zip"play-1.0.2.zip/a/td/tr[...] 而且我想提取一

我有一个包含以下内容的html页面：

[...]
<tr><td class="n"><a href="play-1.0.1.zip">play-1.0.1.zip</a></td></tr>
<tr><td class="n"><a href="play-1.0.2.1.zip">play-1.0.2.1.zip</a></td></tr>
<tr><td class="n"><a href="play-1.0.2.zip">play-1.0.2.zip</a></td></tr>
[...]

而且我想提取一下

play-1.0.1.zip
play-1.0.2.1.zip
play-1.0.2.zip

然后找到最新版本(在这种情况下,它将是play-1.0.2.1.zip)

所以我尝试了

cat tmp.html | grep "<a href=".*""

<a href="play-1.0.1.zip">play-1.0.1.zip</a></td><td class="m"
<a href="play-1.0.2.1.zip">play-1.0.2.1.zip</a></td><td class="m"
<a href="play-1.0.2.zip">play-1.0.2.zip</a></td><td class="m"

所以我试着懒惰：

cat tmp.html | grep "<a href=".*?""

并否定报价

cat tmp.html | grep "<a href="[^"]*?""

两人都没有回来

我只需要获得匹配的部分(不是href),然后找到最新的,但我仍然坚持这个贪婪的问题……

–

非常感谢所有答案,它们都很有用,很难确定哪一个是正确的,最后我用以下方法解决了：

grep -v '.*-RC.*' index.html | grep -oP 'play-1.*?.zip' | sort -Vru | head -1

解决方法

与其他答案相反,这可以完全用grep完成.

您的输出与输入略有不同 – 显示了额外的元素.出于这个答案的目的,我将使用这个文件：

<tr><td class="n"><a href="play-1.0.1.zip">play-1.0.1.zip</a></td><td class="n"><a href="play-1.0.1.zip">play-1.0.1.zip</a></td></tr>
<tr><td class="n"><a href="play-1.0.2.1.zip">play-1.0.2.1.zip</a></td><td class="n"><a href="play-1.0.1.zip">play-1.0.1.zip</a></td></tr>
<tr><td class="n"><a href="play-1.0.2.zip">play-1.0.2.zip</a></td><td class="n"><a href="play-1.0.1.zip">play-1.0.1.zip</a></td></tr>

你需要做一些事情.首先,您需要设置正确的grep开关.你需要：

> -o仅输出每行的匹配部分
> -P使用Perl兼容的正则表达式引擎

现在你可以使用？修饰符以防止贪婪匹配：

grep -o -P '<a href=".*?"' test.html

<a href="play-1.0.1.zip"
<a href="play-1.0.1.zip"
<a href="play-1.0.2.1.zip"
<a href="play-1.0.1.zip"
<a href="play-1.0.2.zip"
<a href="play-1.0.1.zip"

这不太正确,所以我们将正则表达式锚定到该行的第一个匹配：

grep -o -P '^<tr><td class="n"><a href=".*?"' test.html

<tr><td class="n"><a href="play-1.0.1.zip"
<tr><td class="n"><a href="play-1.0.2.1.zip"
<tr><td class="n"><a href="play-1.0.2.zip"

这是正确的数据,但有太多的错误.我们需要使用的是零宽度断言(PCRE语法的一部分).本质上是正则表达式的一部分,不计入匹配的模式.

grep -o -P '(?<=^<tr><td class="n"><a href=").*?(?=")' test.html

play-1.0.1.zip
play-1.0.2.1.zip
play-1.0.2.zip

现在,您可以执行任何操作以对列表进行排序.有关零宽度断言的更多信息,请参见：http://www.regular-expressions.info/lookaround.html

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!