Ubuntu Sverige
https://ubuntu-se.org/phpBB3/

Script med hjälp av "sed" söker igenom html text & filtrera
https://ubuntu-se.org/phpBB3/viewtopic.php?f=35&t=60533
Sida 1 av 1

Författare:  janneblade [ 06 dec 2016, 15:31 ]
Inläggsrubrik:  Script med hjälp av "sed" söker igenom html text & filtrera

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

Författare:  Mekaniserad Apelsin [ 19 dec 2017, 22:57 ]
Inläggsrubrik:  Re: Script med hjälp av "sed" söker igenom html text & filtr

Utnyttja möjligheten till pipes ordentligt, tex
Kod:
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?

Sida 1 av 1 Alla tidsangivelser är UTC + 1 timme
Powered by phpBB © 2000, 2002, 2005, 2007 phpBB Group
http://www.phpbb.com/