Question

我想使用HTML标题标签和发布日期来重命名HTML文件。

我在这里使用标题标签找到了标题的答案：

修改后的代码：

#!/bin/bash
for f in $(find . -type f | grep \.html)
   do
   title=$( awk 'BEGIN{IGNORECASE=1;FS="<title>|</title>";RS=EOF} {print $2}' "$f" )
   mv -i "$f" "${title//[ ]/-}".html
done

Renaming HTML files using <title> tags

不确定日期部分如何工作。

结果将是title_PublicationDate.html

以下是示例网址：https://www.voltairenet.org/article178442.html

该名称将从“ article178442.html”重命名为“ Paul Craig Roberts_20130508.html的You Are the Hope”

以下是其中包含发布日期的行：

第19行：

<meta property="og:article:published_time" content="2013-05-07T23:31:07Z" />

第207行：

<span class="updated" title="2013-05-8"><time datetime="2013-05-08 02:31:07" pubdate>| 8 May 2013</time></span></span>

编辑：是否可以使用Open Graph标签使用python和漂亮的汤来做到这一点？

Answer 1

您可以使用meta标签中的sed来增加发布日期：

<meta property="og:article:published_time" content="2013-05-07T23:31:07Z" />

将sed脚本用于YYYYMMDD中的额外pub_date

pub_date=$(sed -n -e 's/.*meta property.*published_time.*\([0-9][0-9][0-9][0-9]\)-\([0-9][0-9]\)-\([0-9][0-9]\).*/\1\2\3/p')

代码是“机会主义的”，并且假定meta标签的结构非常特殊。但是，对于快速又肮脏的解决方案-它会起作用。使用$ pub_date构造文件名

Answer 2

我花了一些时间进行猜测，您的问题不是很清楚，但是我得出了以下解决方案：

我制作了一个名为renamer的git repo。可以从包含所有索引文件的文件夹内部运行此快速小脚本，它将提取文件夹中的所有.html文件，并将它们重命名为相应html文件的<title>标签内的文本以及它的发布日期，这是我从html文件中的meta标签之一获取的。该脚本假定html元素中的meta标签结构，因此只要meta标签结构保持不变，它就应该起作用。

注意： 从github下载的文件必须放在html文件目录内的文件夹中（请参见下图）

您可能已经知道，但是将文件放置在文件夹中后，请在程序的文件夹中运行npm install。这将安装所有必需的依赖项，在这种情况下为file-system，path和readline。

要运行该程序，请在程序文件夹中输入node main，如此一来，父文件夹中的所有html文件都将被重命名。

理论上，您也应该能够将程序保留在索引文件所在的文件夹中，以备将来使用。如果以后需要快速更改一些名称，非常方便：)

希望我回答了你的问题。

使用<title>标签和发布日期重命名HTML文件

2 个答案: