Question

我想使用Linux命令（</script>，sed ...）在HTML文件中的awk之前删除换行符。

样本输入：

<html>
    <head>
        <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
        <title>JavaScript Ders 2</title>
        <script type="text/javascript" src="script1.js" language="javascript"> 
        </script>
        <script type="text/javascript" src="script2.js" language="javascript"> 
        </script>
        <script>
            // script kodumuz buraya yazılacak
        </script>
    </head>
    <body>
        <script type="text/javascript" src="script3.js" language="javascript"> 
        </script>
    </body>
</html>

示例输出：

<html>
    <head>
        <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
        <title>JavaScript Ders 2</title>
        <script type="text/javascript" src="script1.js" language="javascript"> </script>
        <script type="text/javascript" src="script2.js" language="javascript"> </script>
        <script>
        // script kodumuz buraya yazılacak</script>
    </head>
    <body>
        <script type="text/javascript" src="script3.js" language="javascript"> </script>
    </body>
</html>

我尝试了不同的语法，但是没有一个可以做。

Answer 1

首先，如评论Don't parse XML with Regex中所述！永远不要去做，不要去想它。养成不去想的习惯！有时，它看起来像是可以使用sed或awk或任何其他正则表达式解析器执行的简单任务，但没有...

另一方面，如果您确实想使用sed或awk，则可以执行的操作–首先使用xmlstarlet处理文件并将其转换为PYX格式。 / p>

PYX格式是以下内容的面向行的表示形式：从SGML ESIS格式派生的XML文档。（请参阅ESIS-ISO 8879元素结构信息集规范， ISO / IEC JTC1 / SC18 / WG8 N931（ESIS））

所以您真正想做的是：

$ xmlstarlet pyx <file.html> | do_your_magic_here | xmlstarlet depyx > file.new.html

在您的情况下，这类似于：

$ xmlstarlet pyx file.html \
  | awk 'c~/^- *\\n *$/&&/^)script$/{c=$0;next}{print c; c=$0}END{print c}' \
  | xmlstarlet depyx

这将输出

<html>
    <head>
        <meta content="text/html; charset=utf-8" http-equiv="Content-Type"></meta>
        <title>JavaScript Ders 2</title>
        <script language="javascript" src="script1.js" type="text/javascript"></script>
        <script language="javascript" src="script2.js" type="text/javascript"></script>
        <script>
            // script kodumuz buraya yazılacak
        </script>
    </head>
    <body>
        <script language="javascript" src="script3.js" type="text/javascript"></script>
    </body>
</html>

Answer 2

这可能对您有用（GNU sed）：

sed 'N;s/\n\(<\/script>\)/\1/;P;D' file

在整个文件中保留两行窗口，如果第二行以</script>开头，则删除前面的换行符。

比赛前删除换行符-Linux

2 个答案: