正则表达式解析xml时遇到的问题

jinl

原帖由 baicj 于 2008-1-8 14:14 发表
比如这样一个字符串：
TESTTesttestTesT

正则表达式应该怎么写才能提取出“TEST”？

用sed 's/\(.*\).*/\1/'只能得到：TESTTesttest

另外，为什么sed 's/\(.*\)/\1/'得到的结果是TESTTesttestTesT？
...

正则表达式匹配 按照最长匹配原则 ，也就是说 “/<aaa>.*<aaa>/匹配最长的 <aaa>囊括的字符串
对于你给的输入和正则表达式：

<AAA>TEST</AAA><BBB>Test</BBB><AAA>test</AAA><BBB>TesT</BBB>


用sed 's/<AAA>\(.*\)<\/AAA>.*/\1/'
\1代表最长的<AAA>之间的字符 ： <AAA>TEST</AAA><BBB>Test</BBB><AAA>test</AAA>
所以只能得到：TEST</AAA><BBB>Test</BBB><AAA>test

另外，sed 's/<AAA>\(.*\)<\/AAA>/\1/'只替换了 <aaa>中间的部分，后面的 <bbb>部分没变化，自然
得到的结果是TEST</AAA><BBB>Test</BBB><AAA>test<BBB>TesT</BBB>？

[ 本帖最后由 jinl 于 2008-1-8 14:44 编辑 ]

jinl

原帖由 baicj 于 2008-1-8 15:11 发表
= =！
刚才测试了一下TEST，的确sed和awk的表达式不行，因为有[^

a
awk应该可以实现阿，
awk -F "<[\]?AAA>" '{ print $1}'

[ 本帖最后由 jinl 于 2008-1-8 15:22 编辑 ]

jinl

echo "<AAA><BBB>TEST</BBB></AAA><AAA></AAA>"|awk -F "<[/]?AAA>" '{print $2}'
好像$1是空白，不过$2是需要的内容