Question

我需要一种方法（可能在perl中）来定位我的服务器上没有引用的所有图像。我正在对我的网站上的图像/图标进行整合，并且有太多的东西需要一个接一个地手工筛选。我需要这个查询来输出一个列表或一个url数组到那些不再被引用的图像，以便我可以删除它们。

思想？

Answer 1

对于静态网站，您可以将HTML::TokeParser::Simple与File::Find结合使用，以提取内容文件中所有src代码的<img>属性。如果您使用wget复制所有内容，您的生活会更轻松（请参阅mirror中的man wget）。此外，您可能希望使用CSS::DOM解析.css个文件。

接下来，抓取所有图像文件的源，将其在文件系统中的路径映射到网站URL。查看哪些不在上一过程中获得的图像URL列表中。 perlfaq4可能有用。

Answer 2

我要做的是提供所有图片的列表。解析所有文档以获取图像。比较清单。

为简单起见，我假设所有图像都是唯一命名的，并且不需要路径。我还假设所有代码都在使用中。

在Bash中（需要大量的tweeking，未经测试）

cd into image directory
find path_to_image_directory -name "*.jpg" | grep -o "\b\w*\.jpg" | sort -u > all_pics.txt
# do simular for gif and png


grep -rio "\b\w*\.gif\|.png|.gif\b" path_to_source | sort -u > used_pics.txt
grep -Fxv -f all_pics.txt used_pics.txt > unused_images.txt

while read line
do
    find . -name $line -exec rm -rf {} \;
done < unused_images.txt

如何使用Perl grep在我的服务器上找到未被引用的图像？

2 个答案: