5

我仍然是 shell 脚本的菜鸟，但我正在努力。下面是一个部分工作的 shell 脚本，它应该通过匹配标签并删除它们包含的内容来从 *.htm 文档中删除所有 JS。例如<script src="">，<script></script>和<script type="text/javascript"> 

find $1 -name "*.htm" > ./patterns
for p in $(cat ./patterns)
do
sed -e "s/<script.*[.>]//g" $p #> tmp.htm ; mv tmp.htm $p
done

这个脚本的问题在于，因为 sed 逐行读取文本输入，所以该脚本无法按预期使用换行符。跑步：

<script>
//Foo
</script>

将删除第一个脚本标签，但会省略我不想要的“foo”和结束标签。

有没有办法在我的正则表达式中匹配换行符？或者如果sed不合适，还有什么我可以使用的吗？

4

3 回答 3

6

假设您<script>在不同的行上有标签，例如：

foo
bar
<script type="text/javascript">
some JS
</script>
foo

以下应该有效：

sed '/<script/,/<\/script>/d' inputfile
于 2013-07-16T08:33:31.947 回答
1

该awk脚本将查找<script*>标记，设置in变量，然后读取下一行。当</script*>找到结束标签时，变量被设置为零。如果in变量为零，则最终打印模式输出所有行。

awk '/<script.*>/   { in=1; next }
     /<\/script.*>/ { if (in) in=0; next }
    { if (!in) print; } ' $1
于 2013-07-16T08:29:56.060 回答
0

正如您所提到的，问题是sed逐行处理输入。

因此，最简单的解决方法是使输入成为单行，例如用您确信输入中不存在的字符替换换行符。

人们会很想使用tr ：

… |tr '\n' '_'|sed 's~<script>.*</script>~~g'|tr '_' '\n'

然而，“目前tr完全支持单字节字符”，并且为了安全起见，您可能希望使用一些不太可能的字符，例如ˇ，这tr无济于事。

sed幸运的是，同样的事情可以通过使用分支来实现。

回到我们的<script>…&lt;/script>示例，这确实有效，并且将（根据上一个链接）跨平台：

… |sed -e ':a' -e 'N' -e '$!ba' -e 's/\n/ˇ/g' -e 's~<script>.*</script>~~g' -e 's/ˇ/\n/g'

sed或者如果您使用 GNU并且不需要跨平台兼容性，则以更简洁的形式：

… |sed ':a;N;$!ba;s/\n/ˇ/g;s~<script>.*</script>~~g;s/ˇ/\n/g'

:a;N;$!ba;有关分支部分 ( )的详细信息，请参阅“使用分支”下的链接答案。剩下的部分很简单：

  • s/\n/ˇ/gˇ 用;替换所有换行符
  • s~<script>.*</script>~~g删除需要删除的内容（请注意，它需要一些保护以供实际使用：因为它会删除第一个<script>和最后一个之间的所有内容</script> ；另外，请注意我使用~而不是/避免转义斜杠</script> ：我本来可以使用几乎任何单字节字符，除了少数保留字符，如\) ；
  • s/ˇ/\n/g读取换行符。
于 2017-03-24T11:37:16.567 回答