Question

我的任务是以编程方式将HTML主模板拆分为子模板，对每个模板执行一些小修改，并保存生成的文件。

为什么我使用Bash （你可以跳过这个来解决问题）

（已编辑）使用Bash的选择相当随意。我知道它运行Red Hat 5.5，所以我写了一个Bash脚本。它确实有一个PHP解释器，但我决定不使用PHP，因为同一台服务器将托管使用PHP的网站，可能会看到很多流量，所以我害怕绑定一个FastCGI每小时执行此操作的套接字（我不控制脚本执行的频率，只是执行的内容）。我也可以安装我想要的任何解释器（我实际上已经知道的脚本语言：Perl，Python，PHP，也许是Lua）。然而，这是一个不同的问题。这个问题假设我想使用Bash脚本。

问题

我有一个主模板文件，类似于：

<!DOCTYPE html PUBLIC .... >
<html lang="en" ...>
<head> ... </head>
<body>
    <div id=...></div>
    <div id=...></div>
</body>
</html>

由此，我需要从文档顶部解析到</head>，从该部分中删除几行并添加一行，将<title>占位符替换为实际标题，并且将其保存到文件中。然后我需要将<body>和第一个<div>解析为单独的文件，然后最后解析第二个<div>（我还需要在页脚中对其进行一些更改）。我将丢弃</body>和</html>，因为此模板实际上是两层模板的一部分（替换的页面标题将使用Smarty变量来获取其文本）。

难题

问题是，有没有比正则表达更容易/更好的方法呢？我知道Bash提供了复合命令[[ htmlstring =~ "/regex/" ]]和${BASH_REMATCH}来匹配或替换，但我也知道用正则表达式解析HTML通常是a bad idea。

Answer 1

如果要解析的HTML文件具有已知的固定结构，则可以使用awk。编写一个将状态保存在变量中的程序（例如，等待标题，解析标题，等待正文）并在读取文件时执行不同的操作并不是很困难。它还支持正则表达式，您可以将所有内容放入结构良好的文件中。

Answer 2

您可以使用命令-H提供的xmlstarlet（HTML）选项来操作HTML文件。

例如：

# content of template file
$ cat template.html
<!DOCTYPE html >
<html lang="en">
    <head> ... </head>
    <body>
        <div id="div1"></div>
        <div id="div2"></div>
    </body>
</html>

# update the head tag
$ xmlstarlet ed -H -u '//head' -v 'hello, world' template.html
<?xml version="1.0"?>
<!DOCTYPE html>
<html lang="en">
  <head>hello, world</head>
  <body>
    <div id="div1"/>
    <div id="div2"/>
  </body>
</html>

Answer 3

好的，所以我要使用PHP，我将使用标准的字符串操作。我应该能够很好地利用explode来做这类事情。谢谢大家。

在没有正则表达式的情况下解析Bash脚本中的HTML文档

3 个答案: