regex – 使用sed对URL进行复杂更改

我试图在
Linux命令行上解析RSS提要,这涉及使用sed格式化feed的原始输出.

我目前使用此命令：

feedstail -u http://www.heise.de/newsticker/heise-atom.xml -r -i 60 -f "{published}> {title} {link}" | sed 's/^\(.\{3\}\)\(.\{13\}\)\(.\{6\}\)\(.\{3\}\)\(.*\)/\1\3\5/'

这为我提供了每行的一些Feed项,如下所示：

Sat 20:33 GMT> WhatsApp-Ausfall: Server-Probleme blockieren Messaging-Dienst http://www.heise.de/newsticker/meldung/WhatsApp-Ausfall-Server-Probleme-blockieren-Messaging-Dienst-2121664.html/from/atom10?wt_mc=rss.ho.beitrag.atom

注意最后的长URL.我想缩短它以更好地适应命令行.因此,我想更改我的sed命令以生成以下内容：

Sat 20:33 GMT> WhatsApp-Ausfall: Server-Probleme blockieren Messaging-Dienst http://www.heise.de/-2121664

这意味着除了破折号和“.html / blablabla”位之前的七位数字之外,从URL中删除所有内容.

目前我的sed命令只更改日期位中的内容.它必须单独留下标题和开头或URL,然后从中删除它直到达到七位数字.它需要保留它,然后在它之后切断所有东西.哦,是的,我们也需要在这个数字前面留下一个破折号.

我不知道如何做到这一点,并在谷歌搜索后几小时找不到答案.救命？

编辑：

这是一行feedstail的原始输出-u http://www.heise.de/newsticker/heise-atom.xml -r -i 60 -f“{published}> {title} {link}”,万一它有帮助：

Sat,22 Feb 2014 20:33:00 GMT> WhatsApp-Ausfall: Server-Probleme blockieren Messaging-Dienst http://www.heise.de/newsticker/meldung/WhatsApp-Ausfall-Server-Probleme-blockieren-Messaging-Dienst-2121664.html/from/atom10?wt_mc=rss.ho.beitrag.atom

编辑2：

看来我只能把输出输出到一个命令中.通过多个管道进行管道似乎打破了局面.我不明白为什么ATM.

解决方法

不幸的是(对我而言),我只能考虑使用扩展的regexp语法(在不同系统上使用-E或-r标志)来解决这个问题：

... | sed -E 's|(://[^/]+/).*(-[0-9]+)\.html/.*|\1\2|'

更新：在基本的正则表达式语法中,我能做的最好的是

... | sed 's|\(://[^/]*/\).*\(-[0-9][0-9]*\)\.html/.*|\1\2|'