Question

我正在尝试使用sed或grep解析页面https://extensions.typo3.org/extension/tt_news/的版本号和相应的日期。更具体地说，我对以下html部分感兴趣：

            <tr>
                <td class="align-middle">
                    <strong>3.6.0</strong> /
                    <span class="ter-ext-state-beta">beta</span>
                    <br />
                    <small>
                        April 06, 2014
                    </small>
                </td>
                <td class="align-middle">
                    tt_news for TYPO3 4.5 - 6.2 (compatibility update)
                </td>
                <td class="align-middle">

                        <strong>4.5.0 - 6.2.99</strong>

                </td>
                <td class="align-middle">

                            <a class="btn btn-primary" title="Size: 2.58MB" href="/extension/download/tt_news/3.6.0/zip/">
                                <strong>
                                    Download ZIP Archive
                                </strong>
                            </a>

                </td>
            </tr>

我想从每个部分中获取版本（在 strong 标记之间）和日期（在 small 标记之间）。到目前为止，我所有的尝试都失败了，我可以将问题缩小到非常简单的程度。我已经测试了以下正则表达式，该正则表达式仅尝试在regex101.com上获取 tr 标记，后跟空格和 td 标记，在那里，它工作得很好：

<tr>\s*<td

它给了我5次正确的比赛。以下一项也可以正常工作：

 <tr[^>]*>\s*<td

它产生38个结果，因为它包含具有css class属性的那些tr标记。但是，无论是grep还是sed都无法使它正常工作。一旦包含\ s，就不再有任何匹配项。看起来像这样：

cat tt_news_history | grep '<tr>\s*<td'

没有点击。

cat tt_news_history | grep '<tr>'

6次点击。

cat tt_news_history | grep '<tr[^>]*>'

很多点击（未计算）。与sed相同。我究竟做错了什么？为什么不能使用\ s？感谢您的提示。

Answer 1

GNU grep有一个-z选项，可使\s匹配输入中的换行符，例如：

cat tt_news_history | grep -z '<tr>\s*<td'

信息文档中的相关片段：

“-z”“-空数据”        将输入和输出数据视为行序列，每行终止        用零字节（ASCII NUL字符）代替换行符。        像“ -Z”或“ --null”选项一样，该选项可与        诸如“ sort -z”之类的命令来处理任意文件名。

（...）


如何匹配线段？


标准grep无法执行此操作，因为它基本上是基于行的。   因此，仅使用“ [：space：]”字符类是不匹配的   以您可能期望的方式换行。

使用GNU的“ grep”选项“ -z”（“-null-data”），每个输入“行”为   以一个空字节终止； *注意其他选项：：。因此，您可以匹配   输入中的换行符，但通常如果匹配则整个   输入是输出，因此这种用法通常与   输出抑制选项，例如“ -q”，例如：

printf'foo \ nbar \ n'| grep -z -q'foo [[：space：]] + bar'

如果这还不够，您可以在输入之前进行转换   转到“ grep”或转到“ awk”，“ sed”，“ perl”或许多其他实用程序   旨在跨线运行。

包含换行符时，正则表达式不会产生匹配项

1 个答案: