修改标记链接中的URL

Question

我在试着修改一个标记文件。在一个文件中，有许多类似这个的链接。

[string one](/stringtwo/#stringthree)

我想将这些修改如下：

[string one](stringtwo.html#stringthree)

删除斜杠并添加.html。

我尝试了以下几点：

sed -i 's/](\(\/.*\)#/](\1.html#/g' file

但是它返回[global configuration](/config/.html#globals)。它不能去除斜杠。

如何使用bash或sed实现这一点？

Answer 1

这似乎起了作用：

$ cat 725364.in
[string one](/stringtwo/#stringthree)
[example label](/path/to/doc/#anchor)
$  sed 's_\(\[[^]]*]\)(/\([^#]*\)/\(#[^)]*\))_\1(\2.html\3)_g' 725364.in
[string one](stringtwo.html#stringthree)
[example label](path/to/doc.html#anchor)

要把它分解：

首先，我用s_needle_pin_flags来表示sed而不是s/needle/pin/flags，这样就不必逃避字面意义上的/s了。

sed将使用此表达式\(\[[^]]*]\)(/\([^#]*\)/\(#[^)]*\))搜索，细分为：

• \(\[[^]]*]\) -第1组(链接标签)的定义：
  • 字面上的[
  • 后面跟着零或多个或任何非]的
  • 后面跟着文字]

• (/ -字面上的(/
• \([^#]*\) -第2组的定义(网址)：
  • 任何非文字#中的零或多个

• / -字面上的/
• \(#[^)]*\) -第3组(锚)的定义：
  • 字面上的#
  • 后面跟着任何非文字)的零或多个

• ) -字面上的)

并使用\1(\2.html\3)对其进行转换，细分为：

• 第一组的比赛，然后是
• (，然后是
• 第二组的比赛，然后是
• .html，然后是
• 第三组的比赛，然后是
• )

Answer 2

在's/](\(\/.*\)#/](\1.html#/g'中匹配的组D1确实包含斜杠。您应该在组\/之外指定\(\/.*\)。试试这个：

sed -i 's/](\/\(.*\)\/#/](\1.html#/g' file 

Answer 3

使用Raku (以前称为Perl_6)

~$ raku -pe 's{ \( ~ \) [(\/) ( .+? ) (\/) (\# .+ )] $ } = "($1.html$3)";'  725364.in

#或(更正式)

~$ raku -pe 's{ \( ~ \) [(\/) ( <-[#]>+? ) (\/) (\# <-[#]>+ )] $ } = "($1.html$3)";'  725364.in

样本输入(感谢@DopeGhoti)：

[string one](/stringtwo/#stringthree)
[example label](/path/to/doc/#anchor)

样本输出：

[string one](stringtwo.html#stringthree)
[example label](path/to/doc.html#anchor)

由于OP希望更改/正斜杠，所以使用了与常规的s/// Raku替换语法不同的语法。Raku还提供了一个s{ … } = " … "替换语法，用于上述(或s[ … ] = " … "等)。

在第一个原子中，Raku的~倾斜语法用于嵌套数据结构。基本上，regex \( ~ \) [ … ]表示“方括号中的组被括号包围”。然后，regex将/正斜杠捕获到$0，非贪婪的字符序列捕获到$1，第二个/正斜线捕获到$2，并捕获由#辛托索普启动到$3的终端贪婪字符序列。

显示捕获(将-pe标志更改为-ne并添加say)：

~$ perl6 -ne 'say s{ \( ~ \) [(\/) ( .+? ) (\/) (\# .+ )] $ } = "($1.html$3)";'  725364.in
｢(/stringtwo/#stringthree)｣
 0 => ｢/｣
 1 => ｢stringtwo｣
 2 => ｢/｣
 3 => ｢#stringthree｣
｢(/path/to/doc/#anchor)｣
 0 => ｢/｣
 1 => ｢path/to/doc｣
 2 => ｢/｣
 3 => ｢#anchor｣

在替换中，还原未捕获的括号。被捕获的/正斜杠被删除.$1中捕获的路径是输出的，然后是.html，然后是$3，它是捕获的#八进制启动的终端字符串。

https://docs.raku.org/language/regexes https://raku.org