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
不幸的是，如前所述，sed不支持这一点。 为了克服这个问题，我建议使用次优方法(实际上甚至更好)，使用类似vim sed的功能。
在.bash-profile中定义
vimdo() { vim $2 --not-a-term -c "$1" -es +"w >> /dev/stdout" -cq! ; }
这将创建无头vim来执行命令。
现在你可以这样做:
回声路径美元| vimdo“% s_ \ c: [a-zA-Z0-9 \ \ /] python (a-zA-Z0-9 \ {-} \\/]\{-}:__ g”,
过滤掉$PATH中的python。
使用-在vimdo中从管道中输入。
而大多数语法是相同的。Vim具有更高级的特性，并且使用\{-}是非贪婪匹配的标准。参见帮助regexp。
其他回答
echo "/home/one/two/three/myfile.txt" | sed 's|\(.*\)/.*|\1|'
别麻烦了，我在另一个论坛上看到的:)
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。
@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……
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="/"
另一个sed版本:
sed 's|/[:alnum:].*||' file.txt
它匹配/后面跟着一个字母数字字符(所以不是另一个正斜杠)以及其余字符，直到行尾。之后，它将什么也没有替换掉。删除它。)
