从行中删除模式

Question

我有一个包含网站列表的文件，并按这样的顺序引用：

      "ProxyHost": "ie.review.visa.com",
      "ProxyHost": "ocasta.zendesk.com",
      "ProxyHost": "dev.zemanta.com",
      "ProxyHost": "bharian.api.useinsider.com",
      "ProxyHost": "optout.service.mycard.visa.com",
      "ProxyHost": "ir.newrelic.com",
      "ProxyHost": "metabase.yoast.com",
4:      "ProxyHost": "designdiscoveryya.gsd.harvard.edu",
18:      "ProxyHost": "pls.law.harvard.edu",
32:      "ProxyHost": "view.jquery.com",
46:      "ProxyHost": "www.rmf.harvard.edu",
60:      "ProxyHost": "execed.sph.harvard.edu",
74:      "ProxyHost": "note.microsoft.com",
102:      "ProxyHost": "librarylab.law.harvard.edu",
116:      "ProxyHost": "api.jquery.com",
130:      "ProxyHost": "pmsdn.

目标是:删除any in-front字符串直到: "，并在可能的情况下删除行尾的",。它可能需要双重执行，但让我们关注主要问题。预期的结果如下所示：

librarylab.law.harvard.edu
or
librarylab.law.harvard.edu",

任何剩馀的",都可以很容易地使用搜索替换删除.以下是我尝试过的：

sed "s/^*\:$//"
sed "s/^.*\:$//"
sed "/^.*#\://"
sed "s/^*\:$/d"
sed "s/^.*\:$/d"
sed -e "/^*/,s/\:/d"
and so-on...

所有这些都不会对目标文件进行任何更改。我真的很困惑；以下是我所理解的：

• ^*或^.*：标记任何第一个字符串。
• \:$还是#\:：标记结束字符串:
• /d或//：删除

任何帮助都是值得珍惜的。

Answer 1

如果未关闭的",的最后一行是一个错误，那么您可以使用

sed -E 's~^([0-9]+:)?[[:space:]]*"[^"]*":[[:space:]]*"([^"]+)",?$~\2~' file

在替换中，表示为\2的捕获组2作为捕获组1用于开头的可选部分。

模式匹配：

• 字符串的^开始
• ([0-9]+:)?可选择捕获第1组中的1+数字和:
• [[:space:]]*匹配可选空间
• 来自"[^"]*"的"....."匹配
• :[[:space:]]*匹配:和可选空格
• "([^"]+)"匹配"，然后在第2组捕获双引号之间的所有内容，并匹配结束的双引号。
• ,?匹配一个可选逗号
• 字符串的$末端

输出

ie.review.visa.com
ocasta.zendesk.com
dev.zemanta.com
bharian.api.useinsider.com
optout.service.mycard.visa.com
ir.newrelic.com
metabase.yoast.com
designdiscoveryya.gsd.harvard.edu
pls.law.harvard.edu
view.jquery.com
www.rmf.harvard.edu
execed.sph.harvard.edu
note.microsoft.com
librarylab.law.harvard.edu
api.jquery.com
pmsdn. 

Answer 2

您可以使用

sed -E 's/^([0-9]+:)?[[:space:]]*"[^"]*":[[:space:]]*"([^"]*).*/\2/' file > newfile

详细信息

• ^ -字符串的开始
• ([0-9]+:)? -一个或多个数字的可选序列，然后是一个:字符
• [[:space:]]* -零或多个空白空间
• " -双引号
• [^"]* -除"以外的零个或多个字符
• ": -一个":子字符串
• [[:space:]]* -零或多个空白空间
• " -a " char
• ([^"]*) -第2组:除"以外的任何零或多个字符
• .* -剩下的部分。

见在线演示

#!/bin/bash
s='      "ProxyHost": "ie.review.visa.com",
      "ProxyHost": "ocasta.zendesk.com",
      "ProxyHost": "dev.zemanta.com",
      "ProxyHost": "bharian.api.useinsider.com",
      "ProxyHost": "optout.service.mycard.visa.com",
      "ProxyHost": "ir.newrelic.com",
      "ProxyHost": "metabase.yoast.com",
4:      "ProxyHost": "designdiscoveryya.gsd.harvard.edu",
18:      "ProxyHost": "pls.law.harvard.edu",
32:      "ProxyHost": "view.jquery.com",
46:      "ProxyHost": "www.rmf.harvard.edu",
60:      "ProxyHost": "execed.sph.harvard.edu",
74:      "ProxyHost": "note.microsoft.com",
102:      "ProxyHost": "librarylab.law.harvard.edu",
116:      "ProxyHost": "api.jquery.com",
130:      "ProxyHost": "pmsdn.'
sed -E 's/^([0-9]+:)?[[:space:]]*"[^"]*":[[:space:]]*"([^"]*).*/\2/' <<< "$s"

输出：

ie.review.visa.com
ocasta.zendesk.com
dev.zemanta.com
bharian.api.useinsider.com
optout.service.mycard.visa.com
ir.newrelic.com
metabase.yoast.com
designdiscoveryya.gsd.harvard.edu
pls.law.harvard.edu
view.jquery.com
www.rmf.harvard.edu
execed.sph.harvard.edu
note.microsoft.com
librarylab.law.harvard.edu
api.jquery.com
pmsdn.

Answer 3

这可能对您有用(GNU sed)：

sed -E 's/.* "([^"]*).*/\1/' file

使用贪婪删除所有向上和包括空格后双引号，捕获字符串，而不是双引号，并删除其余。

这个解决方案的实质是在一行中找到最后一个双引号字符串，然后丢弃其余的字符串。