我面临的问题是链接名称错误......不同文件中有数百个错误链接。
所以我写 bash 来替换
<a href="../../../external.html?link=http://www.twitter.com"><a href="../../external.html?link=http://www.facebook.com/pages/somepage/">
<a href="../external.html?link=http://www.tumblr.com/">
直接链接的链接，比如
<a href="http://www.twitter.com>
我知道我们有模式 ../ 重复一次或多次。还有 external.html?link 也应该被删除。
如何建议这样做？awk，sed，也许是 python？我需要正则表达式吗？
谢谢意见...
这可能是正则表达式是正确解决方案的地方。您只是在属性中搜索文本，并且内容是规则的，符合模式。
以下 python 正则表达式将为您找到这些链接：
r'href="((?:\.\./)+external\.html\?link=)([^"]+)"'
我们寻找的模式是一段href=""文本中的某物，其中“某物”以一个或多个 的实例开始../，然后是external.html?link=，然后是任何不包含"引号的文本。
等号后面的匹配文本被分组到第 2 组，以便于检索，第 1 组保存../../external.html?link=部分。
如果您只想../../external.html?link=完全删除该部分（因此链接直接指向端点而不是通过重定向页面），请离开第一组并.sub()在您的 HTML 文件上做一个简单的操作：
import re
redirects = re.compile(r'href="(?:\.\./)+external\.html\?link=([^"]+)"')
# ...
redirects.sub(r'href="\1"', somehtmlstring)
请注意，这也可以匹配任何正文文本（因此在 HTML 标记之外），这不是 HTML 感知解决方案。不过，很可能没有这样的正文。但如果有，您将需要一个成熟的 HTML 解析器，例如 BeautifulSoup 或 lxml。
使用 HTML 解析器，如 BeautifulSoup 或 lxml.html。