48

我是 shell 脚本的新手。我想使用 curl 发送一个 http 请求，然后使用正则表达式提取一些字符串。例如，如何从 http 响应中提取域名？（示例仅用于学习目的）

#!/bin/bash
name=$(curl google.com | grep "www\..*com")
echo "domain name is"
echo $name
4

2 回答 2

110

使用bash 正则表达式：

re="http://([^/]+)/"
if [[ $name =~ $re ]]; then echo ${BASH_REMATCH[1]}; fi

编辑- OP 要求解释语法。 正则表达式语法是一个很大的话题，我无法在这里完整地解释，但我会尽量解释得足以理解这个例子。

re="http://([^/]+)/"

这是存储在 bash 变量中的正则表达式，re即您希望输入字符串匹配的内容，并希望提取一个子字符串。分解它：

  • http://只是一个字符串 - 输入字符串必须包含此子字符串才能匹配正则表达式
  • []通常使用方括号表示“匹配括号内的任何字符”。所以c[ao]t会匹配“猫”和“婴儿床”。中的^字符将其[]修改为“匹配除方括号内的任何字符。因此在这种情况下[^/]将匹配除“/”之外的任何字符。
  • 方括号表达式将只匹配一个字符。在其末尾添加 a+表示“匹配 1 个或多个前面的子表达式”。因此[^/]+匹配所有字符集中的 1 个或多个，不包括“/”。
  • 在子表达式周围加上()括号表示您要保存与该子表达式匹配的任何内容以供以后处理。如果您使用的语言支持这一点，它将提供一些机制来检索这些子匹配。对于 bash，它是 BASH_REMATCH 数组。
  • 最后，我们对“/”进行完全匹配，以确保我们一直匹配到完全限定域名的结尾和以下“/”

接下来，我们必须根据正则表达式测试输入字符串以查看它是否匹配。我们可以使用 bash 条件来做到这一点：

if [[ $name =~ $re ]]; then
    echo ${BASH_REMATCH[1]}
fi

在 bash 中，[[ ]]指定一个扩展的条件测试，并且可能包含=~bash 正则表达式运算符。在这种情况下，我们测试输入字符串是否$name与正则表达式匹配$re。如果它匹配，那么由于正则表达式的构造，我们可以保证我们会有一个子匹配（来自括号()），我们可以使用 BASH_REMATCH 数组访问它：

  • 该数组的元素 0${BASH_REMATCH[0]}将是正则表达式匹配的整个字符串，即“ http://www.google.com/ ”。
  • 该数组的后续元素将是子匹配的后续结果。()请注意，您可以在正则表达式中有多个子匹配-BASH_REMATCH元素将按顺序对应于这些。所以在这种情况下${BASH_REMATCH[1]}将包含“www.google.com”，我认为这是你想要的字符串。

请注意，BASH_REMATCH 数组的内容仅适用于最后一次使用正则表达式=~运算符。所以如果你继续做更多的正则表达式匹配，你必须每次都从这个数组中保存你需要的内容。

这似乎是一个冗长的描述，但我确实掩盖了正则表达式的几个错综复杂的地方。它们可能非常强大，而且我相信性能不错，但正则表达式语法很复杂。正则表达式的实现也各不相同，因此不同的语言将支持不同的功能，并且可能在语法上有细微的差异。特别是在正则表达式中转义字符可能是一个棘手的问题，尤其是当这些字符在给定语言中具有不同的含义时。

请注意$re，您可以将正则表达式直接放入条件中，而不是将变量设置在单独的行中并在条件中引用此变量。然而，在bash 3.2中，关于是否需要围绕此类文字正则表达式的引号的规则发生了变化。将正则表达式放在单独的变量中是解决此问题的一种直接方法，以便条件在支持=~匹配运算符的所有 bash 版本中按预期工作。

于 2013-11-02T00:48:05.693 回答
9

一种方法是使用sed. 例如：

echo $name | sed -e 's?http://www\.??'

通常，sed正则表达式由“/”分隔，但您可以使用“？” 因为您正在搜索“/”。这是另一个 bash 技巧。@DigitalTrauma 的回答提醒我应该提出建议。这是相似的：

echo ${name#http://www.}

（DigitalTrauma 还提醒我需要处理“http://”。）

于 2013-11-02T00:46:28.697 回答