regex - sed regex可以模拟后向和前瞻吗？

Question

我正在尝试编写一个sed脚本，该脚本将捕获文本文件中的所有“裸” URL并将其替换为<a href=[URL]>[URL]</a>。 “裸露”是指未包装在 anchor 标记内的URL。

我最初的想法是，我应该匹配在它们前面没有“或”并且在它们之后也没有“或”的URL。但是，我很难表达“不要在前面或后面”的概念，因为据我所知sed并不具有先行性或后置性。

输入样例:

[Beginning of File]http://foo.bar arbitrary text
http://test.com other text
<a href="http://foobar.com">http://foobar.com</a>
Nearing end of file!!! http://yahoo.com[End of File]

所需样本输出:

[Beginning of File]<a href="http://foo.bar">http://foo.bar</a> arbitrary text
<a href="http://test.com">http://test.com</a> other text
<a href="http://foo.bar">http://foo.bar</a>
Nearing end of file!!! <a href="http://yahoo.com">http://yahoo.com</a>[End of File]

请注意，第三行未修改，因为它已经在<a href>中。
另一方面，第一行和第二行均被修改。
最后，观察到所有非URL文本均未修改。

最终，我正在尝试执行以下操作:

sed s/[^>"](http:\/\/[^\s]\+)/<a href="\1">\1<\/a>/g 2-7-2013

我首先验证以下内容将正确匹配并删除URL:

sed 's/http:\/\/[^\s]\+//g'

然后，我尝试了此操作，但是它无法匹配以文件/输入开头开头的URL:

sed 's/[^\>"]http:\/\/[^\s]\+//g'

有没有一种方法可以通过模拟lookbehind/lookahead或显式匹配文件开头和文件结尾来解决sed中的问题？

Answer 1

sed是用于在单行上进行简单替换的出色工具，对于任何其他文本操作问题，只需使用awk。

在下面的“开始”部分中检查我正在使用的定义，以查找与URL匹配的正则表达式。它适用于您的示例，但我不知道它是否捕获所有可能的URL格式。即使它不能满足您的需求，也可以。

$ cat file
[Beginning of File]http://foo.bar arbitrary text
http://test.com other text
<a href="http://foobar.com">http://foobar.com</a>
Nearing end of file!!! http://yahoo.com[End of File]
$
$ awk -f tst.awk file
[Beginning of File]<a href="http://foo.bar">http://foo.bar</a> arbitrary text
<a href="http://test.com">http://test.com</a> other text
<a href="http://foobar.com">http://foobar.com</a>
Nearing end of file!!! <a href="http://yahoo.com">http://yahoo.com</a>[End of File]
$
$ cat tst.awk
BEGIN{ urlRe="http:[/][/][[:alnum:]._]+" }
{
    head = ""
    tail = $0
    while ( match(tail,urlRe) ) {
       url  = substr(tail,RSTART,RLENGTH)
       href = "href=\"" url "\""

       if (index(tail,href) == (RSTART - 6) ) {
          # this url is inside href="url" so skip processing it and the next url match.
          count = 2
       }

       if (! (count && count--)) {
          url = "<a " href ">" url "</a>"
       }

       head = head substr(tail,1,RSTART-1) url
       tail = substr(tail,RSTART+RLENGTH)
    }

    print head tail
}