Nicht gieriger (zurückhaltender) Regex-Abgleich in sed?

Question

Ich versuche, sed zu verwenden, um Zeilen von URLs zu bereinigen, um nur die Domain zu extrahieren.

Also von:

http://www.suepearson.co.uk/product/174/71/3816/

Ich will:

http://www.suepearson.co.uk/

(entweder mit oder ohne den abschließenden Schrägstrich, es spielt keine Rolle)

Ich habe es versucht:

 sed 's|\(http:\/\/.*?\/\).*|\1|'

und (unter Auslassung des nicht-gierigen Quantors)

sed 's|\(http:\/\/.*\?\/\).*|\1|'

aber ich scheine den nicht-gierigen Quantifizierer nicht zu bekommen ( ? ), um zu funktionieren, so dass am Ende immer die ganze Zeichenfolge übereinstimmt.

Answer 1

sed hat sicherlich seine Berechtigung, aber das hier gehört nicht dazu!

Wie Dee bereits erwähnt hat: Verwenden Sie einfach cut . In diesem Fall ist es viel einfacher und viel sicherer. Hier ist ein Beispiel, in dem wir verschiedene Komponenten aus der URL mit der Bash-Syntax extrahieren:

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-)

gibt Ihnen:

protocol = "http"
host = "www.suepearson.co.uk"
urlhost = "http://www.suepearson.co.uk"
urlpath = "product/174/71/3816/"

Wie Sie sehen können, ist dies ein sehr viel flexiblerer Ansatz.

(alle Angaben zu Dee)

Answer 2

sed 's|(http:\/\/[^\/]+\/).*|\1|'

Answer 3

Sed -E interpretiert reguläre Ausdrücke als erweiterte (moderne) reguläre Ausdrücke

Aktualisierung: -E unter MacOS X, -r in GNU sed.

Answer 4

Da Sie ausdrücklich angegeben haben, dass Sie sed (anstelle von perl, cut usw.) verwenden wollen, versuchen Sie es mit grouping. Damit umgehen Sie, dass die nicht gierigen Bezeichner möglicherweise nicht erkannt werden. Die erste Gruppe ist das Protokoll (z.B. 'http://', 'https://', 'tcp://', usw.). Die zweite Gruppe ist die Domäne:

echo "http://www.suon.co.uk/product/1/7/3/" | sed "s|^\\(.\*//\\)\\(\[^/\]\*\\).\*$|\\1\\2|"

Wenn Sie mit der Gruppierung nicht vertraut sind, beginnen Sie aquí .

Answer 5

Ich weiß, dass dies ein alter Eintrag ist, aber vielleicht findet ihn jemand nützlich. Da der vollständige Domänenname eine Gesamtlänge von 253 Zeichen nicht überschreiten darf, ersetzen Sie .* durch .\{1, 255\}