☰

如何使用 sed 从 HTML 缩小中排除 pre 标记？

tag-icon • tag-icon sed regular-expression html
如何使用 sed 从 HTML 缩小中排除 pre 标记？

我正在尝试使用缩小 HTMLsed

我的问题：我不想缩小<pre>标签内的任何内容，但无法使其工作。

这是我正在使用的：

sed ':a;N;$!ba;s@>\s*<@><@g' $html_file > ${html_file//.html/.minhtml}

这会缩小所有内容，包括 pre 标签内的内容。

我看过使用^[pre]但无法使其工作......

我还查看了使用sed /skipme/! s/foo/bar/：

sed ':a;N;$!ba; /<pre>\.*<\/pre>/! s@>\s*<@><@g' $html_file > ${html_file//.html/.minhtml}

（...是的，我坚持使用sed，而不是其他工具，谢谢。）

答案1

您知道正则表达式是 HTML 解析的错误工具，很容易创建边缘情况使脚本失败，但您坚持使用错误的工具？好吧。

让我们看看要涵盖的案例： 可以有

  • 没有任何预格式化文本的行（进一步称为pre），
  • 一行pre,
  • 有些pre在一行内，
  • pre一行内有多个，
  • 超过pre一条线，甚至
  • pre从前一行结束的行开始pre。

所有这些情况都在此示例文件中：

<x>    </x>
<pre>_ _</pre>
_ <pre>_</pre> _<x>    </x>_
_ <pre>_</pre> _<x>    </x> _ <pre>_</pre> _
_ <pre>_<x>    </x>_
_</pre> _
_<x>    </x>_<x>    </x>_
_ <pre>_
_<x>    </x>_<x>    </x>_
_</pre> _ <pre>
_
<x>    </x>_
</pre>

为了避免缩小部分的多次实现，让我们在第一遍中进行分离pre和非线性：pre

sed -z -e 's/<pre>/\n&/g;s_</pre>_&\n_g'

（显然您正在使用 GNU sed，否则您:a;N;$!ba;将无法工作。但是对于 GNU sed，您可以删除该代码并使用选项。）现在此代码在每个之前和之后-z添加了一个换行符。将其设置为一秒钟可以让我们需要处理的情况少得多（并且换行符不会对外部造成任何伤害）。<pre></pre>sed<pre>

sed -e '\_<pre>.*</pre>_b' -e '/<pre>/,\_</pre>_!s/>\s*</></g'

第一部分对于单行pre内容的行跳转到脚本的末尾；第二部分对其余行进行缩小虚拟，除了!多行的 ( )之外pre。

一起，

sed -z -e 's/<pre>/\n&/g;s_</pre>_&\n_g' file.html | sed -e '\_<pre>.*</pre>_b' -e '/<pre>/,\_</pre>_!s/>\s*</></g'

产生

<x></x>

<pre>_ _</pre>

_ 
<pre>_</pre>
 _<x></x>_
_ 
<pre>_</pre>
 _<x></x> _ 
<pre>_</pre>
 _
_ 
<pre>_<x>    </x>_
_</pre>
 _
_<x></x>_<x></x>_
_ 
<pre>_
_<x>    </x>_<x>    </x>_
_</pre>
 _ 
<pre>
_
<x>    </x>_
</pre>

以及 – 瞧 – 外部空间被移除pre，但内部未受影响。

答案2

sed ':a;$!{N;ba;};s/@/@a/g;s/\n/@n/g;s/<pre/\n&/g;s/<\/pre>/&\n/g' test.html \
  | sed -r '/(^<pre|<\/pre>$)/!{s/@n//g;s/>\s+</></g;}' \
  | sed ':a;$!{N;ba;};s/\n//g;s/@n/\n/g;s/@a/@/g' >min.html

从sed 草稿本——一系列 sed 示例。

相关内容