代码之家 › 专栏 › 技术社区 › iksemyonov

又一个贪婪的问题

greedy sed regex

iksemyonov · 技术社区 · 14 年前

我正在使用一个html帧源自动下载一些图像。好的,好的,赛德,好的。帧源示例:

<td width="25%" align="center" valign="top"><a href="images/display.htm?concept_Core.jpg"><img border="1" src="t_core.gif" width="120" height="90"><font size="1" face="Verdana"><br>Hyperspace Core<br>(Rob Cunningham)</font></a></td>

所以我这样做:

sed -n -e 's/^.*htm?\(.*jpg\).*$/\1/p' concept.htm

要得到像这样的部分:

concept_Core.jpg

要执行此操作:

wget--base=/some/url/concept_Core.jpg

但有一条讨厌的线。很明显,这行代码是站点中的一个bug,或者是任何可能的bug,但是它是错误的,但是我不能更改它。;)

<td width="25%" bla bla face="Verdana"><a href="images/display.htm?concept_frigate16.jpg" target="_top"><img bla bla href="images/concept_frigate16.jpg" target="_top"><br>Frigate 16<br>

也就是说,其中两个” concept_护卫舰16.jpg “排成一行。我的剧本给了我

concept_frigate16.jpg" target="_top"><img border="1" src="t_assaultfrigate.gif" width="120" height="90" alt="The '16' in the name may be a Sierra typo."></a><a href="images/concept_frigate16.jpg

你知道为什么。Sed是贪婪的,这显然在本例中显示出来。

现在的问题是,我该如何处理这个角落的案子?也就是说,不要贪得无厌,一开始就停下来 .jpg? 强调文字

5 回复 | 直到 14 年前

paxdiablo 14 年前

您可能需要考虑更改:

\(.*jpg\)

进入:

\([^"]*jpg\)

这应该会阻止你在第一次搜索结束后的第一次搜索 href . 考虑到我不知道完整的输入集,这是否会引入其他问题(对于其他边缘情况)有点难说。

如果是这样,您可能希望选择使用真正的解析器而不是正则表达式。regex是一个强大的工具,但它们不一定适合 一切。

ennuikiller 14 年前

使用perl:

perl -pe 's/^.*htm?\(.*?jpg\).*$/\1/'

kovarex 14 年前

使用“^”]而不是。在正则表达式中。这将选择除appostrophes之外的所有字符。

khachik 14 年前

sed -n -e 's/^.*htm?$[^"]*jpg$.*$/\1/p'

Dennis Williamson 14 年前

GNU grep可以做PCRE:

grep -Po '(?<=\.htm\?).*?jpg' concept.htm

推荐文章

DotFX · RegEx捕获关键字前但括号后的所有内容

5 月前

user66001 · 正则表达式用于匹配有引号和无引号的文本,并且不匹配任何部分

5 月前

perlchamp · 为什么这也匹配?

5 月前

con · Negative Lookaward在perl正则表达式中不起作用

5 月前

Andrus · 如何在sql中查找第二个匹配项

5 月前

iato · 确保正则表达式不从命名材料中的数字中提取

6 月前

vr8ce · 非成对标记中特定字符的正则表达式

6 月前

MARTIN · 交换第一个和最后一个单词,反转所有中间的字符

6 月前

Carsten · 使用最近的搜索模式更改文本块

6 月前

Eric Marceau · Grep:有没有一种特殊的方法可以将“无字符”作为“字符位置”匹配的置换?

6 月前