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
Sed当然有它的位置，但这不是其中之一!
正如迪伊所指出的:用切就可以了。在这种情况下，它要简单得多，也安全得多。下面是一个使用Bash语法从URL中提取各种组件的示例:
url="http://www.suepearson.co.uk/product/174/71/3816/"
protocol=$(echo "$url" | cut -d':' -f1)
host=$(echo "$url" | cut -d'/' -f3)
urlhost=$(echo "$url" | cut -d'/' -f1-3)
urlpath=$(echo "$url" | cut -d'/' -f4-)
给你:
protocol = "http"
host = "www.suepearson.co.uk"
urlhost = "http://www.suepearson.co.uk"
urlpath = "product/174/71/3816/"
正如你所看到的，这是一个更加灵活的方法。
(全部归功于Dee)
其他回答
以下是你可以用两步方法和awk完成的事情:
A=http://www.suepearson.co.uk/product/174/71/3816/
echo $A|awk '
{
var=gensub(///,"||",3,$0) ;
sub(/\|\|.*/,"",var);
print var
}'
输出: http://www.suepearson.co.uk
希望有帮助!
sed的| \ (http: \ \ / www \ [a-z.0-9] * \ / \)。|\1|也可以
@Daniel H(关于你对andcoz的回答的评论，虽然是很久以前的事了):删除后面的零
s,([[:digit:]]\.[[:digit:]]*[1-9])[0]*$,\1,g这是关于清楚地定义匹配条件……
因为您特别指出您正在尝试使用sed(而不是perl、cut等)，所以请尝试分组。这就避免了非贪婪标识符可能无法被识别。第一组是协议(即协议)。'http://'， 'https://'， 'tcp://'，等等)。第二组是域:
echo "http://www.suon.co.uk/product/1/7/3/" | sed "s|^\(.*//\)\([^/]*\).*$|\1\2|"
如果您不熟悉分组，请从这里开始。
sed -E将正则表达式解释为扩展(现代)正则表达式
更新:MacOS X为-E, GNU sed为-r。
