Question

我有一个包含以下文字的HTML文件：

<!doctype html><html><head><meta charset="utf-8"><title>Test</title><base href="/"><meta name="viewport" content="width=device-width,initial-scale=1"></head><body>test</body></html>

我对它运行sed命令：

sed -i -e "s:<base href\s*=\s*\".*\"\s*>:<base href=\"/apps/test/\">:g" /tmp/test/index.html

我希望只是将<base href="/">替换为<base href="/apps/test/">并将其余部分单独留下，但最终会影响正则表达式后的内容：

 <!doctype html><html><head><meta charset="utf-8"><title>Test</title><base href="/apps/test/"></head><body>test</body></html>

最终删除了正则表达式后找到的整个meta标记。我是不是正确地做了正则表达式？

GNU sed version 4.2.1

Answer 1

处理xml / html数据的唯一正确方法是使用xml / html解析器。

xmlstarlet 解决方案：

xmlstarlet fo -R -H /tmp/test/index.html | xmlstarlet ed -O -u '//base/@href' -v '/apps/test/'

输出：

<!DOCTYPE html>
<html>
  <head>
    <meta charset="utf-8"/>
    <title>Test</title>
    <base href="/apps/test/"/>
    <meta name="viewport" content="width=device-width,initial-scale=1"/>
  </head>
  <body>test</body>
</html>

要就地修改文件，请添加-L选项：xmlstarlet ed -L -u ....

Answer 2

由于*贪婪，.*中的=\s*\".*\"\s*>与最右边的>匹配。

您可以在命令周围使用单引号，这样就不必将\"用于双引号。然后，您可以使用".*"代替"[^"]*"，而sed 's:<base href\s*=\s*"[^"]*"\s*>:<base href="/apps/test/">:g'只匹配下一个双引号。

这会使你的命令进入

hxpipe

然而，使用sed和regexes操纵HTML总是很脆弱，并且会在第一个可能的机会中破解。您可以使用XML / HTML解析器，例如xmllint，请参阅Roman的答案;另一种选择是W3C HTML-XML-utils及其hxunpipe和$ hxpipe infile.html !html "" (html (head Acharset CDATA utf-8 (meta (title -Test )title Ahref CDATA / (base Aname CDATA viewport Acontent CDATA width=device-width,initial-scale=1 (meta )head (body -test )body )html -\n命令。

这些命令解析您的HTML并将其转换为使用sed，awk＆amp; amp;朋友们，然后把它变回HTML：

所以要将href标记的base中的/apps/test/转换为$ hxpipe infile.html \ | sed '/Ahref CDATA/{N;/\n(base$/s|$CDATA$ .*|\1 /apps/test/|}' \ | hxunpipe <!DOCTYPE html><html><head><meta charset="utf-8"><title>Test</title><meta href="/apps/test/" name="viewport" content="width=device-width,initial-scale=1"></head><body>test</body></html>，我们可以这样做：

sed '/Ahref CDATA/{N;/\n(base$/s|\(CDATA\) .*|\1 /apps/test/|}'

其中sed命令

/Ahref CDATA/ {                                # If line matches this
    N                                          # Append next line
    /\n(base$/ s|\(CDATA\) .*|\1 /apps/test/|  # If in base tag, replace href
}

或更好的可读性

UPDATE contacts SET name = REPLACE(name, "Ã¼", "ü")

以一种或多或少的强大方式进行改变。

正则表达式影响正则表达式后的内容

2 个答案: