我试图使用sed来清理url行来提取域。
所以从:
http://www.suepearson.co.uk/product/174/71/3816/
我想要:
http://www.suepearson.co.uk/
(不管后面有没有斜杠，都没有关系)
我试过:
sed 's|\(http:\/\/.*?\/\).*|\1|'
And(转义非贪婪量词)
sed 's|\(http:\/\/.*\?\/\).*|\1|'
但我似乎不能让非贪婪量词(?)工作，所以它总是匹配整个字符串。
当前回答
如果你有gnu grep，那么可以使用perl regex:
grep -Po '^https?://([^/]+)(?=)' <<< 'http://www.suepearson.co.uk/product/174/71/3816/'
http://www.suepearson.co.uk
或者，在域名使用后获取一切
grep -Po '^https?://([^/]+)\K.*' <<< 'http://www.suepearson.co.uk/product/174/71/3816/'
/product/174/71/3816/
其他回答
Sed不支持“非贪婪”操作符。
你必须使用“[]”操作符来排除“/”匹配。
sed 's,\(http://[^/]*\)/.*,\1,'
附注:不需要反斜杠"/"。
另一种方法，不使用正则表达式，是使用字段/分隔符方法，如
string="http://www.suepearson.co.uk/product/174/71/3816/"
echo $string | awk -F"/" '{print $1,$2,$3}' OFS="/"
我知道这是一个旧条目，但有人可能会发现它有用。 由于完整域名的总长度不超过253个字符，请将。*替换为。\{1,255 \}
另一个sed版本:
sed 's|/[:alnum:].*||' file.txt
它匹配/后面跟着一个字母数字字符(所以不是另一个正斜杠)以及其余字符，直到行尾。之后，它将什么也没有替换掉。删除它。)
sed 's|(http:\/\/[^\/]+\/).*|\1|'
