Script med hjälp av "sed" söker igenom html text & filtrera

Här diskuteras programmering och utveckling
janneblade
Inlägg: 9
Blev medlem: 10 nov 2016, 11:39
OS: Ubuntu
Utgåva: 18.04 Bionic Beaver LTS

Script med hjälp av "sed" söker igenom html text & filtrera

Inlägg av janneblade »

Script med hjälp av sed söker igenom alla html-sidor

Hejsan, jag håller på med en uppgift där jag ska skriva ett script som med hjälp av "sed" söker igenom alla html-sidor(html,htm) rekursivt från den plats du specificerar(argumentet till scriptet). och för varje fil ska allt före taggen <body> och allt efter taggen </body> plockas bort och sparas i en ny fil som heter _nobody.

Jag har skapat en fil som heter index.html med följande information i.

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<title>Linux</title>
</head>
<body style="background-color:black;">
<div style="width:100%; height:123px; margin-top:150px; text-align:center">
<img src="images/rule.png" width="428" height="123" alt="Check" />
</div>
</body>
</html>

Det är alltså bara det här som ska synas och sparas i den nya filen(_nobody) när jag kör scriptet.

<div style="width:100%; height:123px; margin-top:150px; text-align:center">
<img src="images/soon.png" width="428" height="123" alt="Check back soon" />
</div>

Jag har skrivit följande script med får det inte att fungera.. så tänkte höra om ni har några tips på hur jag skulle kunna göra istället för jag har kört fast.

#!/bin/bash

for file in $( ls $1 -r );
do
if [ -d $file ];
then
find -type f -name "*.html" -o -name "*.htm" -exec sh -c `sed '0,/<body/ {/<body/! d ; /<body/ s/.*<body[^>]*>// } ; \|</body|,$ { \|</body|! d ; \|</body | s|</body.* || } ;' "{}"> "{}_nobody" \;

echo "Done!"

exit 0

else

echo "Unvalid path, please try again."

exit 1

fi

done
Användarvisningsbild
Mekaniserad Apelsin
Hedersmedlem
Inlägg: 3777
Blev medlem: 27 maj 2006, 12:24
OS: Ubuntu
Ort: Stockholm
Kontakt:

Re: Script med hjälp av "sed" söker igenom html text & filtr

Inlägg av Mekaniserad Apelsin »

Utnyttja möjligheten till pipes ordentligt, tex

Kod: Markera allt

find -type f -name "*.html" -o -name "*.htm" | while read line ; do <"$line" sed '0,/^<body/d | sed '/^</body/,$d' > "$line_headerless" ; done 
Känns detta onaturligt kanske du bör titta på seds hold space (mot pattern space som du redan jobbar med) eller byta verktyg mot t.ex. awk, perl eller python?
More Mekaniserad at http://blippe.se.
Skriv svar

Återgå till "Programmering och webbdesign"