使用regex搜索，但只将字符串的一部分替换为sed。

Question

我试图替换cwe.mitre.org.*.html (regex) URL的任何出现，并删除.html扩展，而不更改任何其他类型的URL。

示例：

https://cwe.mitre.org/data/definitions/377.html
http://google.com/404.html

预期：

https://cwe.mitre.org/data/definitions/377
http://google.com/404.html

在sed或其他工具中有什么方法可以这样做吗？

我试过sed -Ei 's/cwe.mitre.org.*.html/<REPLACEMENT>/g' file.txt，但那行不通。<REPLACEMENT>有成为正则表达式的方法吗？sed手册似乎并没有说明这一点？

编辑:关于sed手册，我错了。它确实提到了这一点，请参阅https://www.gnu.org/software/sed/manual/sed.html的"5.7回引用和子表达式“部分。

Answer 1

$ sed 's/\(cwe\.mitre\.org.*\)\.html/\1/' file
https://cwe.mitre.org/data/definitions/377
http://google.com/404.html

google sed捕获组。

Answer 2

GNU AWK解决方案，让file.txt内容

https://cwe.mitre.org/data/definitions/377.html
http://google.com/404.html

然后

awk '/cwe\.mitre\.org.*\.html/{sub(/\.html$/,"")}{print}' file.txt

给予输出

https://cwe.mitre.org/data/definitions/377
http://google.com/404.html

说明:如果在行中找到已提供的regex，请使用空字符串替换.html，后面是行尾($)。每一行，不管有没有变化，print。

(用GNU Awk 5.0.1测试)

Answer 3

使用

sed -Ei 's/(cwe\.mitre\.org.*)\.html/\1/' file

解释

NODE                     EXPLANATION
--------------------------------------------------------------------------------
  (                        group and capture to \1:
--------------------------------------------------------------------------------
    cwe                      'cwe'
--------------------------------------------------------------------------------
    \.                       '.'
--------------------------------------------------------------------------------
    mitre                    'mitre'
--------------------------------------------------------------------------------
    \.                       '.'
--------------------------------------------------------------------------------
    org                      'org'
--------------------------------------------------------------------------------
    .*                       any character except \n (0 or more times
                             (matching the most amount possible))
--------------------------------------------------------------------------------
  )                        end of \1
--------------------------------------------------------------------------------
  \.                       '.'
--------------------------------------------------------------------------------
  html                     'html'

\1反向引用模式中括号大小的部分捕获的字符串。当您想要在结果中保留一段匹配时，请使用反向引用。