[问题求助] sed 当一行有多个关键词时如何提取第一组关键词中间的内容

随风

sed 当一行有多个关键词时如何提取第一组关键词中间的内容
aaa '<span class=a><span class=b>ABC<ahref="//link.com">link</a></span>5678</span>gg<hth<span class=b>000<1>2<3></span>
上行中有多个<span class=b>和</span>
想要提取第一个<span class=b>和第一个</span>之间的字符串
即 ABC<a href="//link.com">link</a>

匹配第一个"号前的内容，可以用 [^\"] 如果把引号改为关键词呢
sed  "s/[^<span class=b>]*<span class=b>\([^>]*>[^>]*>\).*/\1/" a.txt
pause
思路是 匹配非<span class=b>字符串，可以重复N次，到<span class=b>止
但结果只是删除了<span class=b>字符串，它前面的字符串也显示了出来.
该如何作呢？

nooope

我来试试看.我并不单纯地使用sed

cat aaa.dat
<span class=a><span class=b>ABC<ahref="//link.com">link</a></span>5678</span>gg<hth<span class=b>000<1>2<3></span>

grep -oP '<span class=b>.*' aaa.dat | sed  's/<\/span>.*//g'
复制代码

随风

5楼 batman 的代码也类似，利用了需提取字符串后面没有引号的特点，若最后加个引号则又是提取到最后的了。

随风

本想通过举例来举一反三，发现还是不行
4楼batcher的代码通过关键字前面没有的字符/，能解决顶楼问题，
但是若<span class=b>前面含有 / 则又不行了，并且</a>也是唯一性。

现在想知道的是 sed 能不能做到，只通过已知的关键字提取他们之间的内容.
还是一顶楼为例，即不能通过不确定的条件查找,
比如 <span class=b> 前面没有 /  
或需提取的内容结尾是</a>

batman

4# Batcher
中间有</a>啊。。。还是不通用

因为</a>是要得取的元素中可能有也可能无的元素。。。

Batcher

-r, --regexp-extended                  use extended regular expressions in the script.

-r是启用扩展正则，使用s/xxx\(xxx\)xxx/\1/这样的后向引用时，圆括号前面的\就可以省去了。

batman

4# Batcher
batcher讲一下这个-r吧。。。

batman

试了下把关键字符串替换为引号（\x22）也可以：

sed -e "s/<\/span>/\x22/" -e "s/.*<span class=b>\(.*\)\x22.*/\1/"
复制代码

Batcher

sed -r "s#[^/]*<span class=b>(.*</a>).*#\1#" 1.txt
复制代码

batman

只好用不保险的办法（字符串中不能有@字符）：

sed -e "s/<\/span>/@/" -e "s/.*<span class=b>\(.*\)@.*/\1/"
复制代码

batman

这样就是取到最后一组数据（头痛。。。）：

sed "s/.*<span class=b>\(.*\)<\/span>.*/\1/"
复制代码