Question

给定一个html文件，如何使用正则表达式查找是否存在重复的id值？我需要它在SublimeText上搜索它。

例如：使用id=("[^"]*").*id=\1我可以在同一行中找到重复的id键

<img id="key"><img id="key">

但我需要的是在多行和不同的键对中执行相同的操作。在这种情况下，例如key和key2是重复的ID。

<img id="key">
<img id="key2">
<img id="key">
<img id="key3">
<img id="key2">
<img id="key">

注意：我只使用img标签作为示例，html文件更复杂。

Answer 1

无论出于何种原因，Sublime的.匹配器都不包含换行符，因此您需要执行以下操作：id=("[^"]+")(.|\n)*id=\1

老实说，我宁愿使用Unix实用程序：

grep -Eo 'id="[^"]+"' filename | sort | uniq -c

  3 id="key"
  2 id="key2"
  1 id="key3"

如果这些是完整的HTML文档，您可以使用w3's HTML validator来捕获重复项以及其他错误。

Answer 2

如果你要做的就是找到重复的ID，那么这里有一个小的Perl程序，我会把它拼凑起来：

use strict;
use warnings;

my %ids;
while ( <> ) {
    while ( /id="([^"]+)"/g ) {
        ++$ids{$1};
    }
}

while ( my ($id,$count) = each %ids ) {
    print "$id shows up $count times\n" if $count > 1;
}

称之为“dupes.pl”。然后像这样调用它：

perl dupes.pl file.html

如果我在你的样品上运行它，它会告诉我：

key shows up 3 times
key2 shows up 2 times

它有一些限制，例如找不到id=foo或id='foo'，但可能会帮助您顺利完成。

Answer 3

Sublime Text的正则表达式搜索似乎默认为多行模式，这意味着.不匹配换行符。您可以使用模式修改器使用单行模式使.匹配新行：

(?s)id=("[^"]+").*id=\1

(?s)是单行模式修饰符。

但是，此正则表达式在查找所有重复键方面做得很差，因为它只会与示例HTML中的key到key匹配。您可能需要一个多步骤的过程来查找可以编程的所有键。正如其他人已经表明的那样，你需要（1）首先拉出所有的id，然后（2）将它们分组并计算它们以确定哪些是欺骗。

或者，手动方法是将正则表达式模式更改为预测重复ID，然后您可以在Sublime Text中找到下一个匹配项：

(?s)id=("[^"]+")(?=.*id=\1)

使用上述模式和您的示例HTML，您会看到以下匹配项突出显示：

<img id="key">  <-- highlighted (dupe found on 3rd line)
<img id="key2"> <-- highlighted (dupe found on 5th line)
<img id="key">  <-- highlighted (next dupe found on last line)
<img id="key3">
<img id="key2">
<img id="key">

请注意，前瞻不会在文件后面显示实际的欺骗行为。它将在第一次出现时停止并指示稍后会出现欺骗。

Answer 4

以下是查找重复的img id值的AWK脚本：

awk < file.txt 
    '{ 
        $2 = tolower($2); 
        gsub(/(id|["=>])/, "", $2); 
        if (NF == 2) 
            imgs[$2]++; 
        } 

        END {

        for (img in imgs) 
                printf "Img ID: %s\t appears %d times\n", img, imgs[img] 
    }'

使用正则表达式在html中查找重复的id键

4 个答案: