使用 awk 处理 html 相关的 Gift-format Moodle 问题答案

【问题标题】：Using awk to process html-related Gift-format Moodle questions使用 awk 处理 html 相关的 Gift-format Moodle 问题
【发布时间】：2020-03-26 11:38:31
【问题描述】：

这基本上是一个 awk 问题，但它是关于处理 Moodle 的数据 Gift 格式，因此是标签。

我想在问题中格式化 html 代码（Moodle“测试”活动），但我需要将替换为相应的实体，因为它们将被解释为“真实”html，而不是打印出来。但是，我希望能够使用常规代码输入问题并在将文件作为礼物导入 Moodle 之前对文件进行后处理。

我认为 awk 将是执行此操作的完美工具。

假设我有这个（无效的）Moodle/礼物问题：

::q1::[html]This is a question about HTML:
<pre>
<p>some text</p>
</pre>
and some tag:<code><img></code>
{T}

我想要的是一个脚本，可以把它翻译成一个有效的礼物问题：

::q1::[html]This is a question about HTML:
<pre>
&lt;p&gt;some text&lt;/p&gt;
</pre>
and some tag:<code>&lt;img&gt;</code>
{T}

关键点：将替换为&lt;和&gt;时：

在<pre>-</pre> 块内（假设这些标签单独在一行中）
在<code>和</code>之间，中间是任意字符串。

对于第一部分，我很好。我有一个调用 awk 的 shell 脚本（实际上是 gawk）。

awk -f process_src2gift.awk $1.src >$1.gift

使用 process_src2gift.awk：

BEGIN { print "// THIS IS A GENERATED FILE !" }
{
    if( $1=="<pre>" ) # opening a "code" block
    {
        code=1;
        print $0;
    }
    else
    {
        if( $1=="</pre>" ) # closing a "code" block
        {
            code=0;
            print $0;
        }
        else
        { # if "code block", replace < > by html entities
            if( code==1 )
            {
                gsub(">","\\&gt;");
                gsub("<","\\&lt;");
            }
            print $0;
        }
    }
}
END { print "// END" }

但是，我坚持第二个要求..

问题：

是否可以添加到我的 awk 脚本代码以处理 <code> 标签内的 hmtl 代码？任何想法？我考虑过使用 sed，但我不知道该怎么做。
也许 awk 不是合适的工具？我愿意接受有关其他（标准 Linux）工具的任何建议。

【问题讨论】：

关于为什么不赞成投票的任何提示？我错过了什么point？
没有投反对票。 “他们”可能做到了，因为在 awk 中处理 html 被认为是不可行的 ;-) 。通常发生的事情是你可以解决这个问题，所以你继续，直到你遇到一个不是基于正则表达式的问题，并且如果不站在你的头上（在 awk 中）就无法解决，然后你需要学习html 感知进程非常匆忙。（对不起，我不能推荐替换工具）。我看不出有任何理由不能扩展您必须管理另一个标志 var code2 的代码？执行相同的替换。祝你好运。
@shellter 感谢您的信息。我知道用 awk 处理 html 充满了陷阱，但这确实是一个“侧面”案例，它不是关于处理整个 html 页面。

标签： awk replace moodle gift

【解决方案1】：

回答自己的问题。

我通过两步 awk 过程找到了解决方案：

问题描述的第一步
第二步，使用正则表达式将<code> 或</code> 定义为字段分隔符，并在第二个参数($2) 上处理字符串替换。

shell文件变成：

echo "Step 1"
awk -f process_src2gift.awk $1.src >$1.tmp

echo "Step 2"
awk -f process_src2gift_2.awk $1.tmp >$1.gift

rm $1.tmp

第二个 awk 文件 (process_src2gift_2.awk) 将是：

BEGIN { FS="[<][/]?[c][o][d][e][>]"; }
{
    gsub(">","\\&gt;",$2);
    gsub("<","\\&lt;",$2);
    if( NF >= 3 )
        print $1 "<code>" $2 "</code>" $3
    else
        print $0
}

当然有限制：

<code> 标签中没有属性
一行中只有一对<code></code>
可能还有其他人...

【讨论】：