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
Script med hjälp av "sed" söker igenom html text & filtrera
-
- Inlägg: 9
- Blev medlem: 10 nov 2016, 11:39
- OS: Ubuntu
- Utgåva: 18.04 Bionic Beaver LTS
- 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
Utnyttja möjligheten till pipes ordentligt, tex
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?
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
More Mekaniserad at http://blippe.se.