Question

关于如何使用sed来编辑/删除HTML标签，有无数的教程，他们都倾向于推荐一些非常接近的东西......

/usr/local/Cellar

我想要的是反过来。我想在内容上运行sed，并保留标签。我试图反转打开和关闭标签，但这不起作用。

例如，对于以下输入：

sed 's/<[^>]\+>//g'

我想在标签之外用“bar”替换“foo”，生成

<p><img src="foo.jpg">the foo</p>

<p><img src="foo.jpg">the bar</p>标记只是一个例子。它不应该具体到那个。

Answer 1

你要问的是有很多错误的范围（例如内容在一行中分裂意味着有效匹配转义或无效匹配似乎有效），我会像@Cyrus建议那样做使用专用编辑器。也就是说，您可以尝试使用捕获组的sed解决方案：

sed 's/\(>[^<]*\)foo/\1bar/'

如果>之前没有标记打开，则匹配foo和匹配字foo之间的所有内容。替换是在foo（\1）之前匹配的所有内容，然后是替换单词bar，然后在foo（\2）之后匹配的所有内容。您需要多次运行才能在一行中获取所有匹配项。

但是，如果你真的喜欢冒险，那么这个sed脚本会处理一行上多个匹配的情况，并匹配线上的分割。它克服了我愚弄它的每一次尝试 - 警告经理！

#!/bin/bash
# replace.sh - wrap sed script for ease of controlling replacements

match="foo"
repl="bar"
infile="$1"

sed -E "
:line
s/(>[^<]*)$match/\1$repl/
//b line

/>[^<]*$/ {
    :linepump
    /^[^\n]*\n.*>/{P;D}
    N
    /(>[^<]*)$match/b line
    />[^<]*$/b linepump
} 
" $infile

要阻止部分字母数字匹配（foot => bart），请将

替换为sed脚本的第二行

s/(>([^<]*[^[:alnum:]<]|))$word([^[:alnum:]]|$)/\1$repl\3/

（其他选项包括[:alpha:]和[:space:]）。

这是一个非文字的解释：

用下一行替换模式空间
应用替代操作
如果仍然匹配，请转到2。
如果该行未包含>或在<之后有>，请转到1.
如果\n后跟>，请打印并清除第一个换行符之前的所有内容，然后转到4。*
在模式空间中添加下一行，前面有\n
如果有匹配转到2。
转到4。

* 这会将最新的开始标记混洗到模式空间的开头：减少缓冲区重新分配，缩小搜索空间。这会对性能造成巨大影响 - 我的机器加速50倍。

sed to * not *编辑HTML标签

1 个答案: