消除块匹配一个巨大的 html 文件中的字符串

Question

xsltproc使用OSX 上的程序，man xsltproc

例如：

$ cat remdivs.xslt 
<?xml version="1.0" encoding="utf-8"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
  version="1.0">

<xsl:output method="html" omit-xml-declaration="yes" indent="yes"/>
<xsl:strip-space elements="*" />
<xsl:preserve-space elements="html body div" />

<xsl:template match="@* | node()">
    <xsl:copy>
        <xsl:apply-templates select="@* | node()"/>
    </xsl:copy>
 </xsl:template>

 <xsl:template match="div[@class='block highlight']"/>

 </xsl:stylesheet>



$ cat input.xml 
<html>
<div class="block highlight">
  Reason: <span class="reason">Detects JavaScript location/document property access and window access obfuscation</span><br>
 <span class="line"><b>Log line: </b>111.222.333.444 - - [03/Jan/2013:00:45:40 +0200] "GET /thestring//index.php?fnc=OSCImportStock&amp;session_id=1523141136.42&amp;data=%3cARTICLE_ITEM%3e%3cARTICLE_ITEM_ID%3e2000976405029%3c%2fARTICLE_ITEM_ID%3e%3cQUANTITY%3e21%3c%2fQUANTITY%3e%3cDELIVERY_DATE%2f%3e%3cMIN_STOCK_QTY%3e0%3c%2fMIN_STOCK_QTY%3e%3cACTIVE%3eTrue%3c%2fACTIVE%3e%3cEAN%3e000035010005%3c%2fEAN%3e%3cOPENSUPPLORDERS%3e0%3c%2fOPENSUPPLORDERS%3e%3c%2fARTICLE_ITEM%3e HTTP/1.1" 200 339 "-" "-"
</span><br>
 </div>
 <div class="no highlight">
  Reason: <span class="reason">Detects JavaScript location/document property access and window access obfuscation</span><br>
 <span class="line"><b>Log line: </b>111.222.333.444 - - [03/Jan/2013:00:45:40 +0200] "GET /thestring//index.php?fnc=OSCImportStock&amp;session_id=1523141136.42&amp;data=%3cARTICLE_ITEM%3e%3cARTICLE_ITEM_ID%3e2001021500003%3c%2fARTICLE_ITEM_ID%3e%3cQUANTITY%3e1%3c%2fQUANTITY%3e%3cDELIVERY_DATE%2f%3e%3cMIN_STOCK_QTY%3e0%3c%2fMIN_STOCK_QTY%3e%3cACTIVE%3eTrue%3c%2fACTIVE%3e%3cEAN%3e501302462%3c%2fEAN%3e%3cOPENSUPPLORDERS%3e0%3c%2fOPENSUPPLORDERS%3e%3c%2fARTICLE_ITEM%3e HTTP/1.1" 200 349 "-" "-"
</span><br>
 </div>
 <div class="block highlight">
  Reason: <span class="reason">Detects JavaScript location/document property access and window access obfuscation</span><br>
 <span class="line"><b>Log line: </b>111.222.333.444 - - [03/Jan/2013:00:50:17 +0200] "GET /thestring//index.php?fnc=OSCExportCatalog&amp;session_id=3214235353.32&amp;onlynew=y HTTP/1.1" 200 676 "-" "-"
</span><br>
 </div>
</html>

$ xsltproc --html remdivs.xslt input.xml
<html>
<body>
 <div class="no highlight">
  Reason: <span class="reason">Detects JavaScript location/document property access and window access obfuscation</span><br>
 <span class="line"><b>Log line: </b>111.222.333.444 - - [03/Jan/2013:00:45:40 +0200] "GET /thestring//index.php?fnc=OSCImportStock&amp;session_id=1523141136.42&amp;data=%3cARTICLE_ITEM%3e%3cARTICLE_ITEM_ID%3e2001021500003%3c%2fARTICLE_ITEM_ID%3e%3cQUANTITY%3e1%3c%2fQUANTITY%3e%3cDELIVERY_DATE%2f%3e%3cMIN_STOCK_QTY%3e0%3c%2fMIN_STOCK_QTY%3e%3cACTIVE%3eTrue%3c%2fACTIVE%3e%3cEAN%3e501302462%3c%2fEAN%3e%3cOPENSUPPLORDERS%3e0%3c%2fOPENSUPPLORDERS%3e%3c%2fARTICLE_ITEM%3e HTTP/1.1" 200 349 "-" "-"
</span><br>
 </div>

</body>
</html>

进一步问题解释后进行编辑。

进一步解释。

xsltproc 基于模板 (remdivs.xslt) 执行输入文档的转换，我使用 --html 选项来放宽严格的 xml 验证，因为您的输入文档包含<br>空元素（与相反<br/>）。

处理器首先获取输入文档并在内存中构建文档模型，然后应用它在文档中找到的模板遍历模型中的元素。.xslt

查看.xslt，它包含前导码声明，然后是一些有助于定义所需输出类型的通用处理规则。

只有2个模板，第一个

<xsl:template match="@* | node()">
    <xsl:copy>
        <xsl:apply-templates select="@* | node()"/>
    </xsl:copy>
 </xsl:template>

该模板有一个match属性，因此它仅应用于输入文档中与匹配表达式匹配的那些元素，在本例中表达式是"@* | node()"，它将匹配文档中的任何属性或任何节点，整个事情！它对这些元素所做的操作已在内部列出，它选择性地复制应用每个模板的输出，但选择标准模板将是每个属性和元素的名称。结果是，如果仅存在此模板，则将是原始输入文档的副本，并应用输出处理规则。

第二个模板进行拒绝。

 <xsl:template match="div[@class='block highlight']"/>

在这里，它专门匹配<div>具有名为class、值为的属性的元素'block highlight'。因此，<div>...</div>与此匹配的那些块将被替换为此模板生成的输出，正弦此块为空（具有终止符/），则不会生成任何输出。

另一方面，这

 <xsl:template match="div[@class='block highlight']">
    suppressed div output<br>
 </xsl:template>

将输出一些文本来代替抑制的 div 块。

这是基于您修改后的问题的不同抑制模板。

<xsl:template match="div">
   <xsl:choose>
       <xsl:when test="not(contains(span[@class='line'],'GET /thestring'))">
           <xsl:copy>
               <xsl:apply-templates select="@* | node()"/>
           </xsl:copy>
       </xsl:when>
       <xsl:otherwise><!-- Just do nothing to supress output -->
       </xsl:otherwise>
   </xsl:choose>
</xsl:template>

该模板应用于所有 div 元素，它测试其任何也包含class属性值的子 span 元素的文本内容是否line不包含字符串 'GET /thestring'。

当它不包含字符串时，我们会执行与第一个模板相同的复制，否则我们不会执行任何操作来抑制该 div 块的输出。

进一步阅读 XPath，它定义了如何寻址文档的元素和属性，以及 XSLT 来编写处理模板，这些示例应该有助于初学者更清楚地理解。

Answer 1