使用 unix 命令从包含模式的 html 文件中删除字符串答案

【问题标题】：Delete strings from an html file containing a pattern using unix commands使用 unix 命令从包含模式的 html 文件中删除字符串
【发布时间】：2017-01-04 00:28:25
【问题描述】：

我的 html 看起来像这样：

<div id=":0.page.0" class="page-element" style="width: 1620px;">
 <div>
  <img src="viewer_files/viewer_004.png" class="page-image" style="width: 800px; height: 1131px; display: none;">
  <img src="viewer_files/viewer_005.png" class="page-image" style="width: 1600px;">
 </div>
</div>// this repeats 100+ times with different 'src' attributes

现在这实际上是一行（为了便于阅读，我已将其格式化为多行）。我正在尝试删除在内联css中设置了display:none;的所有<img>标签。是否可以使用 sed/awk 或其他一些 unix 命令来实现这一点？我认为如果它是一个缩进良好的 html 文档，那就很容易了。

【问题讨论】：

标签： unix shell sed awk

【解决方案1】：

HTML 和正则表达式是出了名的糟糕匹配，所以你可能想要一些 HTML 感知的东西。我可能会选择 TagSoup 之类的东西，但毫无疑问，其他选项更适合 shell，或者适用于您可能拥有的任何喜欢的脚本语言。

【讨论】：

【解决方案2】：

我会使用Twig 或XMLStarlet 来进行这种处理。比 sed/awk/grep 可靠得多。由于您的模式是常规且重复的，因此它们也可以使用。

【讨论】：

+1 喜欢 xmlstarlet，就像我喜欢任何与 XML 相关的东西一样。

【解决方案3】：

sed 's/<img.*display: none;[^>]>//g' file

【讨论】：

【解决方案4】：

sed -e "s/<img[^>]*display: none;[^>]*>//g" filein

关于 sed 的简要说明：

s 代表替换 / 是分隔符

s 表示第一个字段将是要搜索的模式，它将被第二个替换。最后一个是选项。 g 表示全局（如果找到许多匹配项，请多次替换）。

就地替换：sed -i -e "..."

【讨论】：

应该是display: *none\b 而不是display: none;
@Pumbaa80 有什么区别？
匹配零个或多个空格，而不是正好一个。
另外，它匹配 "display: none" 和 "display: none ;"

【解决方案5】：

这样就可以了

sed -e "s@<img.*display: none;.*>@@g" FILINAME

【讨论】：

第二个.*不是要贪婪匹配吗？
它删除了所有的 img 标签：|
嗯，它确实适用于原始样本。但是，如果贪婪是一个问题，我们总是可以替换 .与 [^>]
你确定吗？我刚刚用你的文件试了一下。像魅力一样工作。

【解决方案6】：

Sed 有几个命令，但大多数人只学习替代命令：“s”。一个有用的命令会删除与限制匹配的每一行：“d”。

sed -e "/<img[^>]*display: none;[^>]*>/d" File

小心删除整行。

【讨论】：