☰

需要 Perl 正则表达式注释 html 中的行的帮助

tag-icon • tag-icon regular-expression perl html
需要 Perl 正则表达式注释 html 中的行的帮助

我正在尝试注释掉一堆 html 文档中的行项目条目。

我需要匹配一个具有一些变化的模式，并且替换将被包围的匹配模式<!-- -->

变化如下：

<li><a href="latest-news.htm" >Latest News</a></li>

<li><a href="pages/latest-news.htm" >Latest News</a></li>

<li><a href="../../latest-news.htm"  >Latest News</a>
      </li>

这些是主要的变体，但也可能有一些是latest-news.php 而不是.htm。另一种变化是只有一组../

到目前为止我有这个：

     find ./ -name "*.htm" -exec perl -p0e 's/(^\s*<li><a href="((\.\.\/)*|pages\/)?latest-news\.(htm|php)"\s*>Latest News<\/a>\s*(\n)?\s*<\/li>\s*)/<!-- $1 -->/g' {} \; | grep -C 1 "latest-news" | grep -C 1 "latest-news"

我不知道那里出了什么问题，但我没有匹配任何东西。最后的 grep 应该向我显示找到的每个文件中这一行的每个实例，并且它们不会被注释掉。

我刚刚开始使用 perl 和正则表达式，这是迄今为止我所做的最复杂的尝试之一。

我正在尝试做的事情是否可行，或者是否有更好的方法来实现这一目标？

我尝试过使用一些正则表达式测试站点，但大多数没有标准的 perl 正则表达式测试，并且使用 PHP 正则表达式并匹配所有变体的站点在我尝试运行它时不起作用。

如果我可以添加更多信息，请告诉我。

几周前我能够获得一些匹配的多行变体，但我无法弄清楚我的命令的哪个版本做到了这一点。我目前正在从所有文件的备份开始，以便我可以测试更多内容。

我的版本

$> perl -v

This is perl 5, version 28, subversion 1 (v5.28.1) built for x86_64-linux-gnu-thread-multi
(with 61 registered patches, see perl -V for more detail)

$> grep -V
grep (GNU grep) 3.3

$> uname -mrs
Linux 5.3.0-24-generic x86_64

$> lsb_release -a
No LSB modules are available.
Distributor ID: Ubuntu
Description:    Ubuntu 19.10
Release:    19.10
Codename:   eoan

更新

我将正则表达式搜索更新为：

(<li><a href="(\.\.\/|pages\/)*latest-news.(htm|php)"\s*>Latest News<\/a>\s*(\n)?\s*<\/li>)\n?

这捕获了除少数单行变化之外的所有变化。有些如果没有../或page/之前仍然没有匹配latest-news.htm。存在一个在<li>不匹配的行之前有更多空白的实例（3 个制表符与 1 个制表符或空格字符） 。

如果我在搜索模式中添加\s*之前，<li>注释将从上一行的末尾开始，但仍然无法捕获开头有更多空白的行。

            <li><a href="latest-news.htm" class="current">Latest News</a></li>

^ 这是仍然不匹配的行。

答案1

也许是这样的：

perl -0777 -pe '
   s{<li>\s*<a\s[^>]*href="[^"]*latest-news\.(?:htm|php)"[^>]*>\s*Latest News\s*</a>\s*</li>}
    {<!-- $& -->}g' your-file.htm

就足够了。

请注意，如果您不启用多行模式（带有 标志m），^则仅匹配主题的开头（每个 NUL 分隔的记录-0，整个输入用-0777），而不是开头主题中的任何一行。另请注意，\s换行符也匹配。如果您只想匹配水平间距，请使用\h（但据我所知，HTML 在水平和垂直之间没有区别，NL 和 SPC 就其语法而言是可以互换的，至少在<pre>、CDATA...、 带引号的属性值之外......）。

为了避免在已经注释的部分中进行替换，您可以这样做：

perl -0777 -pe '
   s{(<!--.*?-->)|<li>\s*<a\s[^>]*href="[^"]*latest-news\.(?:htm|php)"[^>]*>\s*Latest News\s*</a>\s*</li>}
    {$1 // "<!-- $& -->"}gse' your-file.htm

相关内容