url - 带有 sed 的特殊字符

Question

我正在尝试从 Web 链接中删除 URL

例如，我想把 http://site.com/path/to/site.html打印出来 'site.com' 或 'http://site.com'

这是我能想到的最接近的，但它不能正常工作：

echo "https://site.com/shisad/sadh" | sed -n "s/.*\(http.*\/\).*/\1/p"

打印： https ://site.com/shisad/

我认为这是我对特殊字符“/”做错了。有什么想法吗？

Answer 1

1. 当您sed用于匹配路径名或其他包含斜杠的模式时，请使用斜杠以外的字符来分隔正则表达式；它使生活变得更轻松。

2. .*模式是贪婪的；它匹配最长的字符串。你想要一个更受约束的表达式。

要打印出来http://site.com，您可以使用：

sed -n 's%.*\(https\{0,1\}://[^/]*\).*%\1%p'

要打印出来site.com，您可以使用：

sed -n 's%.*https\{0,1\}://\([^/]*\)/.*%\1%p'

如果您认为您的站点可能在主机名后没有斜杠（因此输入仅包含http://site.com），那么您可以使用：

sed -n -e 's%.*https\{0,1\}://\([^/]*\)/.*%\1%p' \
       -e 's%.*https\{0,1\}://\([^/]*\)$%\1%p'

请注意，这些接受各种标点符号为“有效”；[-a-zA-Z0-9_.]*如果您希望使用，也许可以代替[^/]*- 但要注意国际化域名，您可以更具辨别力。两种模式版本不会在 URL 后的空白处停止；它将包括(http://example.com). 这是关于哪些字符有效这一点的推论。

Answer 2

echo "https://site.com/shisad/sadh"|awk -F/ '{print $1"//"$2$3}'

Answer 3

我假设你正在使用GNU sed.

echo "https://site.com/shisad/sadh" | sed -r 's%.*(https://[^/]*).*%\1%'
https://site.com

要仅获取域名，您可以简单地更改存储括号的位置：

echo "https://site.com/shisad/sadh" | sed -r 's%.*https://([^/]*).*%\1%'
site.com

你当然可以用一个简单的 perl 做你想做的事grep：

echo "https://site.com/shisad/sadh" | grep -oP 'https://[^/]*'
https://site.com