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 's|(http:\/\/[^\/]+\/).*|\1|'
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。
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="/"
由于这里也标记了PCRE，我们可以通过在regex中使用非惰性匹配来使用GNU grep。它将匹配与。*相对的第一个最近的匹配(它实际上是贪婪的，直到匹配的最后一次出现)。
grep -oP '^http[s]?:\/\/.*?/' Input_file
解释:此处使用grep的oP选项，其中-P负责启用PCRE正则表达式。在grep的主程序中提到regex，它匹配开始http/https，后面跟着://直到下一次出现/，因为我们已经使用了。*?它将查找first / after (http/https://).它只打印匹配的部分。
