Question

我目前正在验证客户端的HTML源代码，并且我为没有Omittag的图像和输入文件收到了很多验证错误。我会手动完成，但这个客户端实际上有数千个文件，其中很多实例都没有。

此客户端验证了一些img标签（无论出于何种原因）。

只是想知道是否有一个unix命令我可以运行检查是否没有Omittag来添加它。

我已完成简单搜索并替换为以下命令：

find . \! -path '*.svn*' -type f -exec sed -i -n '1h;1!H;${;g;s/<b>/<strong>/g;p}' {} \;

但从来没有这么大的东西。任何帮助将不胜感激。

Answer 1

试试这个。它将浏览您的文件，对每个文件（perl的.orig运算符）进行-i备份，并将<img>和<input>标记替换为<img />和<input >。

find . \! -path '*.svn*' -type f -exec perl -pi.orig -e 's{ ( <(?:img|input)\b ([^>]*?) ) \ ?/?> }{$1\ />}sgxi' {} \;

给定输入：

<img>  <img/>  <img src="..">  <img src="" >
<input>  <input/>  <input id="..">  <input id="" >

将文件更改为：

<img />  <img />  <img src=".." />  <img src="" />
<input />  <input />  <input id=".." />  <input id="" />

以下是正则表达式的作用：

s{(<(?:img|input)\b ([^>]*?)) # capture "<img" or "<input" followed by non-">" chars
  \ ?/?>}                     # optional space, optional slash, followed by ">"
{$1\ />}sgxi                  # replace with: captured text, plus " />"

Answer 2

查看我在评论中提出的问题。

假设您正在使用GNU sed，并且您尝试添加跟踪/到您的代码以符合XML <img />和{{1然后用你的命令替换命令中的sed表达式，它应该可以解决问题：<input />

这是一个简单的测试文件（SO的着色器做了古怪的事情）：

'1h;1!H;${;g;s/\(img\|input\)\( [^>]*[^/]\)>/\1\2\/>/g;p;}'

此处为GNU sed regex syntax和how the buffering works to do multiline search/replace。

或者，您可以使用Tidy之类的设计用于清理不良HTML的内容 - 如果我做的事情比一些简单的搜索/替换更复杂，那就是我要做的事情。 Tidy的选项很快变得复杂，所以通常用你选择的脚本语言（Python，Perl）编写一个脚本来调用$ cat test.html This is an <img tag> without closing slash. Here is an <img tag /> with closing slash. This is an <input tag > without closing slash. And here one <input attrib="1" > that spans multiple lines. Finally one <input attrib="1" /> with closing slash. $ sed -n '1h;1!H;${;g;s/$img\|input$$ [^>]*[^/]$>/\1\2\/>/g;p;}' test.html This is an <img tag/> without closing slash. Here is an <img tag /> with closing slash. This is an <input tag /> without closing slash. And here one <input attrib="1" /> that spans multiple lines. Finally one <input attrib="1" /> with closing slash.并设置你需要的任何选项。

如何通过搜索和替换验证大量文件？

2 个答案: