用于删除目录中所有文件中两个标志（html 标签）之间的所有文本的命令或脚本？

Question 1

HTML 标签通常可以跨越多行，或者每行可能有多个标签，因此您可以使用perl的 slurp 模式，其中文件的完整内容作为一个整体进行处理，并且其*?非贪婪版本可以*匹配尽可能少的内容可以在开始标签和结束标签之间。

这些-i选项也是非标准的，那些支持它的选项实际上是perl从不使用备份后缀（-ivs -i ''）时进行变体复制而来的。

find . -name '*.html' -type f -exec perl -0777 -pi -e '
  s{<p class="message">.*?</p>}{ }gs' {} +

Answer

HTML 标签通常可以跨越多行，或者每行可能有多个标签，因此您可以使用perl的 slurp 模式，其中文件的完整内容作为一个整体进行处理，并且其*?非贪婪版本可以*匹配尽可能少的内容可以在开始标签和结束标签之间。

这些-i选项也是非标准的，那些支持它的选项实际上是perl从不使用备份后缀（-ivs -i ''）时进行变体复制而来的。

find . -name '*.html' -type f -exec perl -0777 -pi -e '
  s{<p class="message">.*?</p>}{ }gs' {} +

Question 2

使用乐（以前称为 Perl_6）

~$ raku -e 'my regex L { "<p class=\"message\">" };                  \          
            my regex R { "</p>" };                                   \                               \
            my $dest-dir = "/path/to/destination/dir/";              \
            for dir() -> $file {                                     \
              with $file.slurp { / <L> .*? <R> /                     \
                ?? my $new-file = .subst( :g, / <L> <(.*?)> <R> / )  \
                !! next;                                             \
              spurt("$dest-dir" ~ "$file".IO, $new-file)             \
              }                                                      \
            };'

Raku 是 Perl 编程语言家族中的一种编程语言。简而言之，L-和-正则R表达式都被声明并分配了一个值。$dest-dir声明一个标量并为其分配一个字符串。当前dir()通过进行迭代for，并且$file在以下块中分析/修改每个 .IO 对象。

在外部块中，$fileed slurp（一次读取全部），在内部块中，立即测试该文本是否存在正则表达式，其中包含.*?“任何字符零次或多次，节俭地采取”正则表达式介于两者之间。注意这里的L-and-R正则表达式必须用尖括号插入，即<L>-and- <R>，因为它们在/ ... /匹配器内），

内部块 Raku 的三元运算符测试 ?? 真的 !! 错误的 用来。如果找到串联的 3 个正则表达式，则中心“原子”现在被...捕获标记<(.*?)>包裹，表明外部匹配将被删除，并且仅被删除（没有任何内容）。 A是通过删除这些内部字符而创建的。如果未找到正则表达式，则块向前跳至文件（退出内部块）。这允许新创建的文件以原始名称写出 ( ed) 到正确的目录。<()>.*?subst$new-filenext$new-filespurt$file

输入示例（原始dir/file）：

first line
<p class="message"> foo </p>
<p class="message"> bar </p>
<p class="message">
          baz
  </p>

last line

示例输出（写入 new dir/file）

first line
<p class="message"></p>
<p class="message"></p>
<p class="message"></p>

last line

上面的“示例输出”显示了指定 html 标记的内部文本被删除的三个实例，即使开始/结束标记位于不同的行上。为了用新的（文字字符串）文本替换，请更改以下代码段。

从：
.subst( :g, / <L> <(.*?)> <R> / )

到：
.subst( :g, / <L> <(.*?)> <R> /, "new-text" )

https://docs.raku.org/routine/dir
https://docs.raku.org/type/Regex
https://raku.org

Answer