web-dev-qa-db-ja.com

$ 1はsedでは機能しません

次のようなXMLタグを含むファイルがたくさんあります。

_<h> PIDAT <h> O_

その行の最初の_<h>_の後に来るものをすべて削除する必要があるので、これを取得できます。

_<h>_

そのために私は使用しています

sed -i -e 's/(^<.*?>).+/$1/' *.conll

しかし、sedが_$1_を認識していないようです。 （私が理解しているように、_$1_はグループに含まれていないものをすべて削除する必要があります）。これを達成する方法はありますか？正しい方向に向けていただければ幸いです。

PS：これらの式を正規表現アプリでテストしましたが、動作しましたが、コマンドラインからは動作しませんでした。

sedregular-expressionxml
4
Carolina Cárdenas

sed後方参照の形式は\1、\2などです。$1はPerlに似ています。また、基本正規表現（BRE）を使用する場合は、(...)と?および+だけでなく、括弧をエスケープしてグループを形成する必要があります。または、-Eオプションで拡張正規表現を使用できます。

Sed正規表現は貪欲であるため、<.*>は最初の<h> PIDAT <h>で停止するのではなく、その行の>と一致します。また、.*?は意味がありません（.*はすでに何にも一致しないため、?を使用してオプションにすることは不要です）。

これはうまくいくかもしれません：

sed -i -Ee 's/^(<[^>]*>).*/\1/' *.conll

[^>]は>以外のすべてと一致するため、<[^>]*>は<h>と一致しますが、<h> PIDAT <h>とは一致しません。

6
muru