我想使用 sed 从 html 文件中删除除文件名之外的目录路径。路径看起来像：
<a href="/dir1/dir2/file.mp3" other_tags_here </a>
在目录和文件名中带有空格 (%) 和其他字符。例如。
<a href="/1-%one%2026/two%20_three%four/1-%eight.mp3"
我只需要保持<a href="1-%eight.mp3" other_tags_here <a/>. 当我尝试
echo '<a href=/1-%one%2026/two%20_three%four/1-%eight.mp3' | sed 's|href="/.*/.*/|href="|g'
它工作正常。但是，当我从 html 文件中读取时
sed 's|href="/.*/.*/|href="|g' file.html
它删除之后的所有内容href=并仅返回href=。我该如何纠正？
在 sed 中，正则表达式匹配最左边最长的匹配。这意味着.*/您的正则表达式中的 final 将与行上的 final 匹配/。为了防止这种情况：
sed 's|href="/[^/]*/[^/]*/|href="|g' file.html
正则表达式[^/]*/将/只匹配下一个。
在像 python 或 perl 这样的语言中，我们可以通过使用非贪婪的正则表达式来解决这个问题。因为 sed 不支持非贪婪的正则表达式，我们必须尝试使用像[^/]*/.
标准警告：一般来说，html 格式可能非常复杂，有很多正则表达式不适合处理的特殊情况。使用 html 时，通常最好使用 html 特定的工具（如 python 的 beautifulsoup）。
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