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
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。
其他回答
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 \}
在这种特定情况下，您可以在不使用非贪婪正则表达式的情况下完成工作。
试试这个非贪婪的正则表达式[^/]*来代替。*?：
sed 's|\(http://[^/]*/\).*|\1|g'
这可以使用cut:
echo "http://www.suepearson.co.uk/product/174/71/3816/" | cut -d'/' -f1-3
基本的和扩展的Posix/GNU regex都不能识别非贪婪的量词;你需要稍后的正则表达式。幸运的是，这个上下文的Perl regex非常容易获得:
perl -pe 's|(http://.*?/).*|\1|'
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。
