bash：正規表現でURLを保持したままHTMLのタグをjsp用のタグに一括置換したい

##やりたいこと
ローカルにあるHTMLファイルの中に記述されているインクルード記述部分を
jspファイル用の記述に置換しようとしています。
このときファイル内にはいくつかインクルード記述があるため一括で置換をかけようとしていますが
インクルード先に指定しているURLはバラバラなため正規表現でURLを指定しています。

また、この処理はループ処理で
A.htmlを置換→B.htmlを置換→C.htmlを置換
と処理しておりファイル数も可変です。

whileでファイルの中身を1行ずつ処理することも検討しましたが、
ファイル数が膨大なため一括置換が理想です。

▼HTML内にある探したい文字列

html
1<!--#include virtual="/testA/text.txt" -->
2<!--#include virtual="../testA/testB/index.html" -->
3<!--#include virtual="../../testA/testB/testC/index.txt" -->

▼正規表現で検索

txt
1<!--#include virtual="((/|../)[-_..!a-zA-Z0-9/]+)" -->

エディタ上で、上記の記述で検索をかければきちんと探したい文字列とマッチします。

▼実際に書いたシェル

bash
1sed -i -e 's?<!--#include virtual="((/|../)[-_..!a-zA-Z0-9/]+)" -->?<a href="((/|../)[-_..!a-zA-Z0-9/]+)"></a>?g' index.html

##発生している問題
sedを使用してファイル内のマッチするエリアを一括置換かけようとしましたが、なぜか実際に書いたシェルでは動きませんでした。

文法ミスを疑って、いったん正規表現なしで直接指定して試してみたところきちんと置換されました。
↓以下で試したらきちんと動きました。

bash
1sed -i -e 's?<!--#include virtual="/testA/text.txt" -->?<jsp:include page="/testA/text.txt" flush="true" />?g' index.html

なぜこれが動かないのか理由がわからないためご教示いただければ幸いです。

行動規範の内容に同意します

回答1件

ベストアンサー

sed -i -e 's??<a href="((/|../)[-_..!a-zA-Z0-9/]+)"></a>?g' index.html

sedコマンドの内容が、正規表現も違うし置換文字列も意味不明です。

sed -i -e 's??<jsp:include page="/testA/text.txt" flush="true" />?g' index.html

の"～"を保存するように正規表現で書くと、

Bash
1sed -i -e 's?<!--#include virtual=("[^"]*") -->?<jsp:include page=\1 flush="true" />?g'

正規表現には大きく3種類あります（それぞれ多少のバリエーション有り）。
1．基本正規表現 (grep/sed/awkなど)
2．拡張正規表現 (egrepや多くのツール)
3．拡張正規表現のPerl拡張 (多くの言語やツール）

1と2は非互換。3は2の上位互換です。

お使いのエディターは拡張正規表現対応だと思います。普通はそうです。
それをsedで使うためには非互換部分の修正が必要です。今回は括弧の部分とか+とか。
あるいは、Linuxなどで使われるgnuのsedだと、sed -rとすることで拡張正規表現を使うことも出来ますので、拡張正規表現で表された正規表現があり、非互換修正が面倒なときはsed -rを使います。（MacOSだとsed -Eらしい）

投稿2019/08/22 03:39

編集2019/08/22 03:56