如何让awk的gsub匹配到指定字符首次出现而非最后一次以删除首个HTML标签

问题根因 #

• 正则中.*默认使用贪婪匹配规则，会尽可能匹配最长的符合条件的内容，因此你写的^<.*>会从行首第一个<开始，一直匹配到整行最后一个>为止，把中间所有内容全部删除，最终仅剩下末尾的x。
• 你使用的gsub是全局替换函数，而你的需求仅需要删除1次行首的标签，用sub函数更适配需求。

正确实现代码 #

awk '{sub(/^<[^>]*>/,""); print}' file.txt

规则说明 #

• [^>]是正则排除字符集，代表匹配所有不等于>的字符，因此匹配过程碰到第一个>就会终止，不会跨标签匹配后续的内容
• ^<[^>]*>可以精准匹配行首第一个完整的<>格式标签
• sub函数仅替换第一个匹配到的内容，刚好符合仅删除首个标签的要求

输出效果 #

运行上述代码后，得到的输出和你预期一致：

fruit</div></td>x
banana</span>x
apple</td>x

内容的提问来源于stack exchange，提问作者Ahmet Said Akbulut