sed를 사용하여 HTML 축소에서 사전 태그를 제외하는 방법은 무엇입니까?

정규식은 HTML 구문 분석에 잘못된 도구이고 스크립트를 실패하게 만드는 극단적인 경우를 만들기 쉽다는 것을 알고 있지만 잘못된 도구를 사용하려고 고집하십니까? 괜찮은.

적용되는 사례를 살펴보겠습니다.

• 미리 서식이 지정된 텍스트가 없는 줄( 이라고 함 pre)
• 한 줄 pre,
• 일부는 pre한 줄로,
• pre여러개가 연속으로 있는데,
• 한 줄 이상 pre이라도
• pre이전 줄이 끝난 줄에서 시작합니다 pre.

이러한 모든 사례는 이 샘플 파일에 있습니다.

<x>    </x>
<pre>_ _</pre>
_ <pre>_</pre> _<x>    </x>_
_ <pre>_</pre> _<x>    </x> _ <pre>_</pre> _
_ <pre>_<x>    </x>_
_</pre> _
_<x>    </x>_<x>    </x>_
_ <pre>_
_<x>    </x>_<x>    </x>_
_</pre> _ <pre>
_
<x>    </x>_
</pre>

축소되는 부분이 여러 번 구현되는 것을 방지하기 위해 첫 번째 단계에서 분리 pre및 비선형성을 수행해 보겠습니다.pre

sed -z -e 's/<pre>/\n&/g;s_</pre>_&\n_g'

(분명히 GNU를 사용하고 있습니다 sed. 그렇지 않으면 :a;N;$!ba;작동하지 않습니다. 그러나 GNU의 경우 해당 코드를 제거하고 옵션을 사용할 수 있습니다.) 이제 이 코드 는 sed각 . -z1초로 설정하면 처리해야 할 경우가 훨씬 적어집니다(그리고 줄 바꿈은 외부에 해를 끼치지 않습니다).<pre></pre>sed<pre>

sed -e '\_<pre>.*</pre>_b' -e '/<pre>/,\_</pre>_!s/>\s*</></g'

첫 번째 부분은 pre한 줄 내용의 경우 스크립트 끝으로 이동하고, 두 번째 부분은 !여러 줄() 을 제외한 나머지 줄을 줄입니다 pre.

함께,

sed -z -e 's/<pre>/\n&/g;s_</pre>_&\n_g' file.html | sed -e '\_<pre>.*</pre>_b' -e '/<pre>/,\_</pre>_!s/>\s*</></g'

생산하다

<x></x>

<pre>_ _</pre>

_ 
<pre>_</pre>
 _<x></x>_
_ 
<pre>_</pre>
 _<x></x> _ 
<pre>_</pre>
 _
_ 
<pre>_<x>    </x>_
_</pre>
 _
_<x></x>_<x></x>_
_ 
<pre>_
_<x>    </x>_<x>    </x>_
_</pre>
 _ 
<pre>
_
<x>    </x>_
</pre>

그리고 – 짜잔 – 외부 공간은 제거되었지만 pre내부는 그대로 유지되었습니다.

sed ':a;$!{N;ba;};s/@/@a/g;s/\n/@n/g;s/<pre/\n&/g;s/<\/pre>/&\n/g' test.html \
  | sed -r '/(^<pre|<\/pre>$)/!{s/@n//g;s/>\s+</></g;}' \
  | sed ':a;$!{N;ba;};s/\n//g;s/@n/\n/g;s/@a/@/g' >min.html

~에서sed 스크래치-sed 예제 모음.