awk - 从评论中拆分 html 文件答案

【问题标题】：Awk - split html file from commentsawk - 从评论中拆分 html 文件
【发布时间】：2012-01-26 13:56:55
【问题描述】：

我有一个带有这样的 cmets 的 html 文件（有些可以嵌套）

<!-- Begin foo.html -->
<p>some html code</p>

    <!-- Begin foo2.html -->
    <p>some html code</p>
    <!-- End foo2.html -->

<!-- End foo.html -->

<!-- Begin bar.html -->
<p>some html code</p>
<!-- End bar.html -->

我要做的是将 html 文件拆分为 foo.html、foo2.html 和 bar.html。块注释的数量未知。作为块的名称。到目前为止，我有这条 awk 行

awk '/<!-- Begin (.*?)-->/ {f=$1} f{print > f}  /<!-- End \1 -->/{close f; f=""}' index.html

但它不能正常工作。

关于如何解决此问题的任何想法，或任何可以帮助的替代方法？

【问题讨论】：

foo2.html 会发生什么？你为什么要使用 awk 来做这件事？
对不起，foo2.html 也必须拆分。我实际上认为 awk 可以完成这项工作。
所以你的意思是 foo2.html 需要被分割成一个单独的 foo2.html 文件？您需要更新您的问题以添加此详细信息。
我相信你可以用 awk 来做，但它可能不是这项工作的理想工具。考虑使用一种更通用的脚本语言，它与 awk（Python、Perl）一样普遍。

标签： linux bash split awk grep

【解决方案1】：

虽然我对这个问题不太清楚。但是如果你有特定的 cmets，那么你可以给出一个正则表达式范围。 foo2.html 部分也将附加在 foo.html 中。像这样 -

awk '
/Begin foo.html/,/End foo.html/{print $0 > "foo.html"}
/Begin bar.html/,/End bar.html/{print $0 > "bar.html"}' index.html

测试：

[jaypal:~/Temp] cat index.html 
<!-- Begin foo.html -->
<p>some html code</p>

    <!-- Begin foo2.html -->
    <p>some html code</p>
    <!-- End foo2.html -->

<!-- End foo.html -->

<!-- Begin bar.html -->
<p>some html code</p>
<!-- End bar.html -->

[jaypal:~/Temp] awk '/Begin foo.html/,/End foo.html/{print $0 > "foo.html"}
/Begin bar.html/,/End bar.html/{print $0 > "bar.html"}' index.html

[jaypal:~/Temp] cat foo.html 
<!-- Begin foo.html -->
<p>some html code</p>

    <!-- Begin foo2.html -->
    <p>some html code</p>
    <!-- End foo2.html -->

<!-- End foo.html -->

[jaypal:~/Temp] cat bar.html 
<!-- Begin bar.html -->
<p>some html code</p>
<!-- End bar.html -->

【讨论】：

谢谢，但就我而言，我不知道 foo.html 或 foo2.html，这就是我使用 //的原因>

【解决方案2】：

$ cat input.txt
<!-- Begin foo.html -->
<p>some html code</p>

    <!-- Begin foo2.html -->
    <p>some html code</p>
    <!-- End foo2.html -->

<!-- End foo.html -->

<!-- Begin bar.html -->
<p>some html code</p>
<!-- End bar.html -->

$ awk '/<!-- Begin/{stack[sp++]=$3; print ">>>", $3; next}; /<!-- End/{sp--; print "<<<", $3; next}; {if(sp>0) print > stack[sp-1]}' input.txt
>>> foo.html
>>> foo2.html
<<< foo2.html
<<< foo.html
>>> bar.html
<<< bar.html

$ for i in {foo,foo2,bar}.html; do echo "=====$i======"; cat $i; done
=====foo.html======
<p>some html code</p>


=====foo2.html======
    <p>some html code</p>
=====bar.html======
<p>some html code</p>

我添加了debug msg。去掉print ">>>", $3后，代码就很短了。

$ awk '/<!-- Begin/{stack[sp++]=$3; next}; /<!-- End/{sp--; next}; {if(sp>0) print > stack[sp-1]}' input.txt

最后，你应该重新格式化html（缩进不正确）！

【讨论】：

我认为这是 OP 想要的最佳答案。