Question

我正在使用Jekyll建立一个网站我想从给定的HTML文件中自动删除液体代码（和仅液体代码）。我是用Python使用正则表达式做的，到目前为止我有这个：

\{.*?\}|\{\{.*?\}\}

由于我对液体（和.html）不太熟悉，有人可以确认这足以达到我的目标吗？

以下是我将要处理的文件类型的示例：

<div class="post-preview">
    <div class="post-title">
        <div class="post-name">
            <a href="{{ post.url }}">{{ post.title }}</a>
        </div>
        <div class="post-date">
            {% include time.html %}
        </div>
    </div>

    <div class="post-snippet">
        {% if post.content contains '<!--break-->' %}
            {{ post.content | split:'<!--break-->' | first }}
            <div class="post-readmore">
                <a href="{{ post.url }}">read more-></a>
            </div>
        {% endif %}
    </div>
    {% include post-meta.html %}
</div>

在这种情况下我的正则表达式有效，但我想确保我不会遗漏未来的东西。我可以采用一种hackish方式，用

之类的评论来包围所有流动代码

/* start_liquid */ {blalala} /* end_liquid */

但我正在寻找一种更优雅的方式。

Answer 1

regular expression 中的 tokenizer 和 Python-Liquid 对您的用例来说可能有点矫枉过正，但可以处理 {% comment %} 和 {% raw %} 块以及任何多行标签。仅靠一个简单的正则表达式是无法应对的。

Python 的 re 文档中的 Writing a tokenizer 示例使用了相同的技术。

您可以使用 python-liquid 过滤掉像这样的 Liquid 代币。

from liquid.lex import get_lexer
from liquid.token import TOKEN_LITERAL

s = """
<div class="post-preview">
    <div class="post-title">
        <div class="post-name">
            <a href="{{ post.url }}">{{ post.title }}</a>
        </div>
        <div class="post-date">
            {% include time.html %}
        </div>
    </div>

    <div class="post-snippet">
        {% if post.content contains '<!--break-->' %}
            {{ post.content | split:'<!--break-->' | first }}
            <div class="post-readmore">
                <a href="{{ post.url }}">read more-></a>
            </div>
        {% endif %}
    </div>
    {% include post-meta.html %}
</div>
"""

tokenize = get_lexer()
tokens = tokenize(s)
only_html = [token.value for token in tokens if token.type == TOKEN_LITERAL]
print("".join(only_html))

注意输出保留了 Liquid 标记之外的换行符。

<div class="post-preview">
    <div class="post-title">
        <div class="post-name">
            <a href=""></a>
        </div>
        <div class="post-date">
            
        </div>
    </div>

    <div class="post-snippet">
        
            
            <div class="post-readmore">
                <a href="">read more-></a>
            </div>
        
    </div>
    
</div>

Answer 2

我不说你应该但可以使用＆＃34;脏＆＃34;解决方案如：

{%\ (if)[\s\S]*?{%\ end\1\ %}|
{%.+?%}|
{{.+?}}

这与所提供的所有模板代码相匹配，请参阅a demo on regex101.com 额外的调整是扩展交替组（if）或完全使用解析器。

Answer 3

我实际上并不知道流动但我认为代码块总是包含在{}或{{}}中。我认为很难找到一个与这样的东西不匹配的正则表达式：

\{[^\}]*\}|\{\{[^\}]*\}\}

我建议您使用编辑器打开您的html文件，该编辑器会突出显示正则表达式的所有匹配项。例如，Kate或Geany就可以做到这一点。你可以半自动地用空字符串替换所有出现的事件。但是我强烈建议不要在不检查代码的情况下替换代码中的所有内容。你很可能会取代重要的东西。

我也会使用这个正则表达式：

SELECT userid
FROM LessonList
WHERE (LessonId = 102 and LessonValue IN (1002, 1008)) or
      (LessonId = 103 and LessonValue = 1003)
GROUP BY userid
HAVING COUNT(DISTINCT LessonId) = 2;

编辑（见上面的评论）：

根据我的理解，我认为您希望有两种版本的代码可以使用液体或javascript。我想到的唯一优雅的解决方案是使用git来解决这个问题。您可以为项目创建两个单独的分支，一个用于液体，一个用于javascript。这允许您分别处理两个版本，并使您能够在两个版本之间切换。

编辑2：

我也不会放弃寻找更好的解决方案。您还可以重新发布您的问题，让其他用户更清楚您的问题。可能有更优雅的解决方案。

正则表达式匹配液体代码

3 个答案: