如何使用带有正则表达式的 grep/sed/awk 仅获取一行的一部分？答案

【问题标题】：How to get only part of a line using grep/sed/awk with regex?如何使用带有正则表达式的 grep/sed/awk 仅获取一行的一部分？
【发布时间】：2016-09-02 12:13:15
【问题描述】：

我有一个 HTML 文件，我只需要获取其中的特定部分。这里最大的挑战是这个 HTML 文件没有换行符，所以我的 grep 表达式不能正常工作。

这是我的 HTML 文件：

<a href="/link1" param1="data1_1" param2="1_2"><p>Test1</p></a><a href="/link2" param1="data1_1" param2="1_2"><p>Test2</p></a>

请注意，我在这条线上有两个锚点 (<a>)。

我想获得第二个锚点，我正在尝试使用它：

cat example.html | grep -o "<a.*Test2</p></a>"

不幸的是，这个命令返回整行，但我只想要：

<a href="/link2" param1="data1_1" param2="1_2"><p>Test2</p></a>

我不知道如何使用 grep 或 sed 执行此操作，非常感谢任何帮助。

【问题讨论】：

使用 XML/HTML 解析器（xmllint、xmlstarlet ...）。

标签： shell awk sed scripting grep

【解决方案1】：

应该这样做：

grep -o '<a[^>]*><p>Test2</p></a>' example.html

【讨论】：

【解决方案2】：

使用 Perl：

$ perl -pe '@a = split(m~(?<=</a>)~, $_);$_ = $a[1]' file
<a href="/link2" param1="data1_1" param2="1_2"><p>Test2</p></a>

细分：

perl -pe '                                       ' # Read line for line into $_
                                                   # and print $_ at the end
                     m~(?<=</a>)~                  # Match the position after
                                                   # each </a> tag
          @a = split(            , $_);            # Split into array @a
                                       $_ = $a[1]  # Take second item

【讨论】：

【解决方案3】：

对于多字符 RS 的 GNU awk，如果它是您想要的第二条记录：

$ awk 'BEGIN{RS="</a>"; ORS=RS"\n"} NR==2' file
<a href="/link2" param1="data1_1" param2="1_2"><p>Test2</p></a>

或者如果是标记为“Test2”的记录：

$ awk 'BEGIN{RS="</a>"; ORS=RS"\n"} /<p>Test2<\/p>/' file
<a href="/link2" param1="data1_1" param2="1_2"><p>Test2</p></a>

或：

$ awk 'BEGIN{RS="</a>"; ORS=RS"\n"; FS="</?p>"} $2=="Test2"' file
<a href="/link2" param1="data1_1" param2="1_2"><p>Test2</p></a>

【讨论】：