从文件中提取正则表达式捕获组的匹配项
从文件中提取正则表达式捕获组的匹配项
我想在Linux命令行下执行标题命名的操作（也可以使用多个bash脚本）。我尝试的命令是：
sed 's/href="([^"])"/$1/g' page.html > list.lst
但显然失败了。
更准确地说，这是我的输入：
我想要的输出是输入文件中所有匹配项的逗号分隔或空格分隔列表：
style/css/colors.css,style/css/global.css,style/css/icons.css
我认为我得到了正确的表达式：href="([^"]*)"
但我不知道如何执行这个操作。sed会进行搜索/替换，这不完全是我想要的。（相反，我只需要保留匹配项，并将其余的部分丢弃，而不是替换它们）
问题的出现原因：在处理HTML文件时，需要从文件中提取出正则表达式捕获组所匹配的内容。解决方法是使用一系列的命令来实现这个目标。
解决方法：根据给定的正则表达式，使用grep命令从文件中提取出包含href的行，然后使用sed命令将这些行处理成只剩下href的内容，接着使用xargs命令将这些内容合并成一行，最后使用sed命令将空格替换为逗号。
然而，需要注意的是，使用正则表达式解析HTML文件会有许多问题。例如，属性中使用单引号而不是双引号（或者根本不使用引号）、在href和=之间使用空格、将href放在新行等。如果不能确定HTML文件的格式与给定的正则表达式完全匹配，那么使用正则表达式解析HTML文件可能是一个坏主意。
总之，这个问题是在处理HTML文件时需要提取正则表达式捕获组的内容，解决方法是使用一系列的命令来实现这个目标。然而，需要注意使用正则表达式解析HTML文件可能会出现许多问题。