使用 shell 命令删除 <pre>...</pre> 块答案

【问题标题】：Remove <pre>...</pre> blocks with shell commands使用 shell 命令删除 <pre>...</pre> 块
【发布时间】：2018-11-12 23:54:43
【问题描述】：

我想改变

Example 1 
<pre class="code">
bla bla 
</pre>
Example 2 
<pre>
bla bla 
</pre>

只是

Example 1 
Example 2

所以我需要非贪婪匹配和正则表达式。我很确定我不能使用 sed - 我可以使用哪些 shell 命令？

【问题讨论】：

【解决方案1】：

所以我需要非贪婪匹配一个正则表达式。

不是真的。假设<pre> 和</pre> 标签总是在一行中，没有cmets 或其他HTML 标签，你不需要担心不转义的HTML 实体，你可以使用例如

perl -ne 'print unless m{^\s*<pre\b} .. m{^\s*</pre>}'

但是使用真正的 HTML 解析器可能是一个更好的主意：

perl -MHTML::Parser -e 'HTML::Parser->new(ignore_elements => ["pre"], default_h => [sub { print @_ }, "text"])->parse_file(*STDIN)' < input.html

（详细信息取决于您希望文档的其余部分发生什么。）

【讨论】：

经过更多测试后，我意识到我使用解析器会更好 - 我要么遗漏了一些东西，要么删除了太多东西，试图用第一个命令来做。而且您的解析器命令非常完美——我刚刚将"code" 添加到ignore_elements 列表中。