首先，是否有比使用sed和awk更好的命令行Linux处理从wget下载的HTML页面中的文本的方法？如果是这样，请告诉我或链接到doc。
其次，我对以下表达式感到困惑...因为^从新行的开头开始搜索，为什么空格会gsub(/[^a-z]]*/, " ")替换非字母字符，而逗号,在这里又起什么作用？为何]这种表达方式无与伦比？
对于HTML的处理，您需要描述您想对处理进行什么操作。
如果该^字符不在字符类中，并且可以指示行的开头（例如，如果regex为/^[^a-z]/），则该字符用作“行的开始” 。当它位于字符类（用方括号括起来[]）中并且是第一个字符时，则它是一个元字符，表示“除以下字符外的所有字符”。
该gsub函数是全局搜索和替换操作：
gsub(/[^a-z]]*/, " ")
意思是“用z代替任何不在az中的内容，然后用零个或多个接近的方括号替换为空白（双引号中的字符串" "）。逗号是参数分隔符，用于将正则表达式参数与替换字符串参数分隔开。正则表达式中的第二个方括号令人惊讶；这很容易是一个错误。
由于该gsub函数没有第三个参数，因此它将$0在当前输入行上进行操作。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句