如何替换存储在unix / solaris服务器上的html文件中的标记？

Question

我正在寻找一种方法来获取在unix服务器上发布的1000多个html文件中的标记（通过apache运行），并用空节点或备用html标记替换标记。

前：

查找

<div id="someComponent"> .....{a bunch of interior markup} .... </div>

替换为{empty}

前2：

查找</div></body>

替换</div>{some HTML markup needed here}</body>

Answer 1

一种方法：使用带BeautifulSoup的Python来解析HTML文件，进行替换并回写。

Answer 2

如果它非常简单（不需要解析，标记众所周知，而不是另一个），最快的方法应该是：

（在Zsh或Bash中）

perl -pi -e 's#<div class="toto">.*?</div>#<span>new content</span>#g' /path/to/files/**/*.html(.)

这应该可以解决所有...<div class="toto">.....</div>...之间的问题 ...<span>newcontent</span>...

但请注意，它不适用于...<div class="toto"> ... <div class="toto"> ... </div> ... </div> ....

Answer 3

如果在所有文件中以相同的方式编写标记，sed或perl将比BeautifulSoup等更快，但在各种方式上也更难灵活以文本形式表达相同的HTML标记。

您是否有更具体的例子说明您正在寻找什么样的标记，理想情况下它可能因文件而异？它会在文件中的哪个位置？另外，如果有必要，可以在过程中对HTML进行美化或整理吗？

哦，你在服务器上运行某些东西，还是需要代码来抓取服务器以检索HTML文件进行处理？