使用 GREP 和 XARGS 删除 .html URL答案

【问题标题】：Removing .html URLs with GREP & XARGS使用 GREP 和 XARGS 删除 .html URL
【发布时间】：2021-07-25 14:27:57
【问题描述】：

我正在使用 WGET 刻录 PHP 网站的静态副本。我想在每个文件的每个<a href 中删除对 .html 的所有引用。所以任何链接，例如<a href="path/project-name.html">Project Name</a>，我想改为<a href="path/project-name">Project Name</a>。

grep -rl index.html . | xargs sed -i 's/index.html//g' 命令非常适合删除所有链接中的每个 index.html。

但我无法使用命令grep -rl *.html . | xargs sed -i 's/*.html//g' 为每个.html 链接工作。

对我的正则表达式的任何帮助将不胜感激。

【问题讨论】：

's/*.html//g' 是错误的，因为您在 LHS 中输入了一个全局模式，其中需要一个正则表达式模式。你要匹配的模式是什么？
谢谢，@wiktor。所以任何链接，例如<a href="path/project-name.html">Project Name</a>，我想改为<a href="path/project-name">Project Name</a>。
试试grep -rl *.html . | xargs sed -i -E 's/(href="[^"]*)\.html"/\1"/g'

标签： regex command-line grep wget xargs

【解决方案1】：

's/*.html//g' 是错误的，因为您在 LHS 中输入了一个全局模式（sed 替换命令的左侧部分），其中需要一个正则表达式模式。

你可以使用

grep -rl *.html . | xargs sed -i -E 's/(href="[^"]*)\.html"/\1"/g'

详情：

-E - 启用 POSIX ERE 正则表达式语法的选项
(href="[^"]*)\.html" - 匹配并捕获到第 1 组（稍后，通过 \1 反向引用访问）href=" 子字符串和除 " 之后的任何零个或多个字符，然后仅匹配 .html 子字符串
\1" - 替换为 Group 1 和 " char
g - 一行上的所有非重叠事件。

【讨论】：

所以这有效并且确实从所有 HREF 链接中删除了 .html 扩展名，但由于某种原因，这不会递归地遍历每个子目录。
@spencerthayer 试试find . -type f -name '*.html' -print0 | xargs -0 sed -i -E 's/(href="[^"]*)\.html"/\1"/g'，见How to do a recursive find/replace of a string with awk or sed?。