Regex 用复杂正则表达式查找并替换html文件中的字符串

我有数千个html文件，需要替换其中的字符串。我正在查找属性

src

和

href

，它们以

'../'

或

'../../'

开头，或者尽可能多地使用主机名

示例：

href = "../../../baz.pl/baz.img"

src="../../foo.example.com/baz.img"

href="../bar.pl/style.css"

../../../baz.pl/baz.img -> //baz.pl/baz.img

我需要用双斜线替换路径部分

示例：

href = "../../../baz.pl/baz.img"

src="../../foo.example.com/baz.img"

href="../bar.pl/style.css"

../../../baz.pl/baz.img -> //baz.pl/baz.img

我需要在LinuxBash中实现这一点。最好的解决方案是什么？我应该使用什么命令？ 我目前正在与grep合作以匹配字符串。我知道

find

和

sed

可能是更好的解决方案，但我不能将它们合并在一起

我工作的正则表达式是：

(?:href|src){1}\=[\"\']{1}((?:\.\.\/)+)[a-z\.].{1,40}(?:\.com|\.pl){1}

正如您所看到的，我只需要匹配

pl

和

com

域

已更新

在Netbeans替换工具中，此正则表达式工作：

(href|src){1}\=(\"|\'){1}(?:(?:\.\.\/)+)([a-z\.].{1,40}(?:\.com|\.pl)){1}

替换为：

$1=$2//$3

---

现在如何将其移动到Linux bash？

您可以使用

awk

和

gensub

来匹配组，这里是

（[.]{2}\/）+

：

awk -i inplace '{
    print gensub(/(href|src)\s*=\s*\"([.]{2}\/)+(\w)([a-zA-Z0-9_\-\.]+)(.com\/|.pl\/)/,
        "\\1=\"//\\3\\4\\5",
        "g");
}' *.html

此处使用就地文件编辑（

-i inplace

）来更新现有文档

第一部分将

src

或

href

与

=

前后的可选空格相匹配：

（href | src）\s*=\s*\“

---

结尾部分与

.com/

或

.pl/

：

（href | src）\s*=\s*\“

查看awk命令谢谢。我要马上测试一下。两个问题<代码>（.*）它是贪婪运算符吗？除非它满足文档中的进一步域

.com

或

.pl

，否则它不会使用字符串吗？如何在递归更新所有文件的原始名称时实现这一点？我已经用

（\w+）

修复了

（.*）

的问题，相反，它会处理.././foo.example/baz.img.com/a.img这样的情况。我添加了

-I-in-place

来更新文件并匹配目标的所有html文件。就是这样：）我现在正在纠正一些问题。例如，主机名将只有a-z和点（.）字符。我使用+运算符而不是*。我不明白，但是

href=“../../pl/main.html”

也被匹配为特定的{n，y}运算符在awk中不起作用。因此，我从

（[.]{2}\/）+

返回到

（\.\.\/）+

，并在

（\.com\/\.pl\/）中转义了点