Sed 脚本删除 <head> 标记中除 <title> 之外的所有内容并插入脚本答案

【问题标题】：Sed script to delete everything in <head> tag except the <title> and insert scriptSed 脚本删除 <head> 标记中除 <title> 之外的所有内容并插入脚本
【发布时间】：2011-09-21 15:55:21
【问题描述】：

我想在 html 文件中删除除 <title> 之外的 <head> 标记内的所有内容，并在完成后将脚本插入到 <head> 标记中。我不想删除<head> 标签本身。

这可以使用 Sed 吗？

【问题讨论】：

head 和 title 的开始标签和结束标签是否总是在一行？还是整个头在一条线上？对于生成的文件，看起来总是一样的，这可能是可能的，但如果您不知道，并且必须处理<head x='...'>-situations，则不推荐。
还有其他方法吗？有还是没有 sed？
就像在渲染 html 文件之前修改它们一样

标签： html sed awk

【解决方案1】：

使用正则表达式解析 HTML 不是一个好的选择。完整讨论请参阅this famous article

【讨论】：

这篇文章并不出名，而是愚蠢的咆哮。为什么不提出论据？他们不认识他们吗？你认识他们吗？然后给它们命名。
@user-unknown 一个简单的 SO 搜索会显示您的问题，请参阅 stackoverflow.com/questions/701166/…
嗯，@Frederik，that 是一个有用的评论，但 Bohemian 的评论不是。这是不专业的浪费时间。

【解决方案2】：

我会建议您使用 DOM Parser 进行此类工作，因为您尝试的任何正则表达式在使用 sed 或其任何变体时都会在某些时候中断。由于您在 cmets 中要求提供替代方案，请考虑使用 PHP 中的以下代码：

$content = '
<HTML>
<HEAD>
   <link href="/style.css" rel="stylesheet" type="text/css">
   <title>
   Page Title Goes here
   </title>
   <script>
       var str = "ZZZZZ1233@qq.edu";
   </script>    
</HEAD>
';
$dom = new DOMDocument();
$dom->loadHTML($content);
$head='
<head>
<script>
   // your javascript goes here
   var x="foo";
</script>
';
$headTag = $dom->getElementsByTagName("head")->item(0);
if ($headTag != null) {
   $title = $headTag->getElementsByTagName("title")->item(0);
   if ($title != null)
      $head .= '<title>' . $title->textContent . '</title>
';
}
$head .= '</head>';
var_dump($head);

输出

string(118) "
<head>
<script>
   // your javascript goes here
   var x="foo";
</script>
<title>Page Title Goes here</title>
</head>"

【讨论】：