Grep 中是否存在真正通用的通配符？ [复制]答案

【问题标题】：Is there a truly universal wildcard in Grep? [duplicate]Grep 中是否存在真正通用的通配符？ [复制]
【发布时间】：2009-12-13 19:04:05
【问题描述】：

这里是非常基本的问题。所以我被告知一个点。匹配除换行符以外的任何字符。我正在寻找与任何字符匹配的内容，包括换行符。

我要做的就是在两个特定字符串之间捕获网站页面中的所有文本，去除页眉和页脚。诸如 HEADER TEXT(.+)FOOTER TEXT 之类的东西，然后提取括号中的内容，但我找不到在页眉和页脚之间包含所有文本和换行符的方法，这有意义吗？提前致谢！

【问题讨论】：

标签： regex bbedit

【解决方案1】：

当我需要匹配多个字符（包括换行符）时，我会这样做：

[\s\S]*?

注意我使用的是非贪婪模式

【讨论】：

谢谢大家！多么友好，有用的网站。我忘了提到我在 BBEdit 中使用 grep 搜索，这非常有效。你们都摇滚！

【解决方案2】：

你可以用 Perl 做到这一点：

$ perl -ne 'print if /HEADER TEXT/ .. /FOOTER TEXT/' file.html

要仅打印分隔符之间的文本，请使用

$ perl -000 -lne 'print $1 while /HEADER TEXT(.+?)FOOTER TEXT/sg' file.html

/s 开关使正则表达式匹配器将整个字符串视为s单行，这意味着点匹配换行符，/g 意味着匹配尽可能多的次数。 p>

上面的示例假设您正在处理本地磁盘上的 HTML 文件。如果您需要先获取它们，请使用 get from LWP::Simple:

$ perl -MLWP::Simple -le '$_ = get "http://stackoverflow.com";
                          print $1 while m!<head>(.+?)</head>!sg'

请注意，使用上述正则表达式解析 HTML 在一般情况下不起作用！如果您正在使用快速且脏的扫描仪，很好，但对于需要为了更健壮，请使用真正的解析器。

【讨论】：

【解决方案3】：

根据定义，grep 查找匹配的行；它读取一行，查看它是否匹配，然后打印该行。

使用sed：

sed -n '/HEADER TEXT/,/FOOTER TEXT/p' "$@"

这将从匹配'HEADER TEXT'的第一行打印到匹配'FOOTER TEXT'的第一行，然后迭代； “-n”停止默认的“打印每一行”操作。如果页眉和页脚文本出现在同一行，这将无法正常工作。

要做你想做的事，我可能会使用perl（但如果你愿意，你可以使用Python）。我会考虑 slurping 整个文件，然后使用适当限定的正则表达式来查找文件的匹配部分。然而，'@gbacon' 给出的 Perl 单行语句几乎是上面 'sed' 脚本的 Perl 音译，比 slurping 更简洁。

【讨论】：

【解决方案4】：

grep 的手册页说：

grep, egrep, fgrep, rgrep - 打印匹配模式的行

grep 不是为匹配多行而设计的。您应该尝试使用perl 或awk 来解决此任务。

【讨论】：

【解决方案5】：

由于它被标记为“bbedit”并且 BBedit 支持 Perl 样式的模式修饰符，因此您可以允许点与开关 (?s) 匹配换行符

(?s).

将匹配任何字符。是的， (?s).+ 将匹配整个文本。

【讨论】：

【解决方案6】：

正如其他地方所指出的，grep 将适用于单行内容。

对于多行（在带有 Regexp::MULTILINE 的 ruby 中，或者在 python、awk、sed 等中），“\s”也应该捕获换行符，所以

HEADER TEXT(.*\s*)FOOTER TEXT

可能会工作......

【讨论】：

您必须以将多行扫描到内存中的模式读取文件才能正常工作。
谢谢，我添加了你将如何在 Ruby 中做到这一点。 IIRC，那是 perlish 中的 /g，不是吗？

【解决方案7】：

如果你有的话，这里有一种使用 gawk 的方法

awk -vRS="FOOTER" '/HEADER/{gsub(/.*HEADER/,"");print}' file

【讨论】：