[sed] supprimer plusieurs chaines similaires sur la même ligne

[laloupiote]

Bonjour,

J'ai un fichier qui contient des lignes du style

Code :

<a href=url1>lien1</a> blablabla intermédiaire 1 <a href=url2>lien2</a> blablabla intermédiaire 2  <a href=url3>lien3</a> blablabla...

Il peut y avoir de 0 à x liens dans la même ligne (x étant ignoré, bien sûr)

Je veux effacer tous les <a href....> et les </a>
Je commence par effacer les <a href....>
Mais si je fais

Code :

sed 's/<a href.*>//g' fichier1 > fichier2

Ça ne marche pas parce que ça efface du premier "<a href" jusqu'au dernier ">"

Je ne trouve pas la solution tout seul.
Ça ne doit pourtant pas être très compliqué.

Cordialement

[jmelyn]

Bonjour,

Je ne connais pas bien sed et je n'ai pas beaucoup de temps maintenant. Mais je peux te dire où il y a un problème.

La chaîne à substituer commence par "<a href", puis elle continue par des caractère quelconques sauf la suite "a>" et se termine par "a>". Je n'arrive pas à exprimer ce que j'ai écrit en bleu. Quelque chose comme ([^a][^>])*, mais les parenthèses ne regroupent pas le pattern pour l'étoile suivante.

Une idée dans l'assistance?

[laloupiote]

Merci pour ta réponse, mais je pense que le problème concerne directement sed. En fait, sed lit les expressions rationnelles et je crois que c'est là finalement qu'il faut chercher.
Comment formuler, dans une expression rationnelle, que je veux sélectioner (pour suppression par sed) la chaîne <a href ....> et que cette chaîne s'arrête au premier > et non pas au dernier ?

Il y aurait une solution, mais je cherche plus "élégant" ce serait, dans un premier temps remplacer les </a> par un saut de ligne

Code :

sed 's/<\/a>/\n/g' fichier1 > fichier2

puis

Code :

sed 's/<a href.*>//' fichier2 > fichier3

Mais bon, après, il faudrait encore enlever les sauts de ligne que j'ai rajoutés.

[N_BaH]

les expressions rationnelles en sed sont gourmandes (greedy).

Code :

sed 's/<a href[^>]*>//g; s/<\/a>//g' fichier

Giyf

[laloupiote]

Je n'ai pas bien compris, mais ça ne fonctionne pas : mes <a href ...> sont toujours là.
Pour progresser est-ce que le [^>] signifirait qu'il s'agit du premier > qu'il faut prendre en compte ? Et alors, ne faudrait-il pas ajouter .* entre href et [^>] ?

Code :

sed 's/<a href[^>]*>//g; s/<\/a>//g' fichier

[N_BaH]

Envoyé par laloupiote

est-ce que le [^>] signifirait qu'il s'agit du premier > qu'il faut prendre en compte ?

en gros, oui.

Et alors, ne faudrait-il pas ajouter .* entre href et [^>] ?

non :

Code :

1
2
sed 's/<a href[^>]*>//g; s/<\/a>//g' <<<'<a href=url1>lien1</a> blablabla intermédiaire 1 <a href=url2>lien2</a> blablabla intermédiaire 2  <a href=url3>lien3</a> blablabla'
lien1 blablabla intermédiaire 1 lien2 blablabla intermédiaire 2  lien3 blablabla

bof, ça fonctionne...

[jmelyn]

J'ai ceci qui marche chez oim:

Code :

sed 's/<a\([^a][^>]\)*a>//g' fichier

[N_BaH]

Envoyé par laloupiote

Je veux effacer tous les <a href....> et les </a>

laloupiote semble vouloir conserver lien1, lien2... et les blabla intermédiaires

[jmelyn]

Laloupiote, peux-tu nous éclairer? Ha, ça y est, je l'ai faite. Désolé, ça me démangeait depuis un moment.

Je n'avais pas compris la même chose. Il est vrai qu'un exemple complet aurait été parfait (ligne avant, ligne après).

[laloupiote]

Je suis navré de vous avoir laissé tombés comme cela, mais pour des raisons indépendantes de ma volonté (santé, mais ça va mieux, merci ), j'ai été tenu éloigné de mon ordinateur jusqu'à ce matin. Toutes mes excuses.

Envoyé par jmelyn

Laloupiote, peux-tu nous éclairer? Ha, ça y est, je l'ai faite. Désolé, ça me démangeait depuis un moment.

Oui, mon pseudo a quelque chose à voir avec cela : cf mon site.

Toutes mes excuses également à N_Bah, parce que la formule qu'il m'a proposée fonctionne bien, mais c'est moi qui n'ai pas su l'adapter correctement du premier coup (je n'avais pas vu, mais il y avait quelques caractères avant href. On va mettre ça sur le compte de mes ennuis .

Mon problème est donc résolu, mais je n'ai pas compris comment. J'avais compris que pour indiquer une série de caractères quelconques, il fallait le coder ".*" et que les crochets permettaient de rechercher les caractères qu'ils contiennent. Auriez-vous des explications ou un lien qui me permette de mieux comprendre ?

Avec mes excuses renouvellées,

Bien cordialement,