AWK用另一个替换HTML标签并保留文本答案

【问题标题】：AWK to replace HTML tag with another and keep textAWK用另一个替换HTML标签并保留文本
【发布时间】：2022-01-20 17:09:49
【问题描述】：

我正在寻找一种将 HTML 标记替换为另一个标记的方法，但保留文本。

我有一个很大的 HTML 文件，其中包含：

<span class="desc e-font-family-cond">fork</span>

我想用<strong>标签替换<span>标签：

<strong>fork</strong>

工具并不重要，但我正在寻找一种 CLI 方法。

我不是在寻找 HTML 处理器，因为输入是一个文本文件，其中包含一些 HTML 代码（不是干净/有效的 HTML），我正在手动处理输出（复制、修改、稍后在其最终版本中使用）地方）。我只是想通过替换节省一些时间。

【问题讨论】：

“用标签替换标签”是什么意思？
@JNevill，我忘了添加示例，我更新了问题。
知道了。谢谢。
请Don't Parse XML/HTML With Regex.。我建议使用 XML/HTML 解析器（xmlstarlet、xmllint ...）。
@Cyrus 有时我认为这是允许的，请参阅扩展问题。

标签： linux awk command-line

【解决方案1】：

我会使用 GNU sed 来完成这个任务，让 file.txt 内容成为

<span class="desc e-font-family-cond">fork</span>

然后

sed -e 's/<span[^>]*>/<strong>/g' -e 's/<\/span>/<\/strong>/g' file.txt

输出

<strong>fork</strong>

说明：首先替换span开始使用<strong>，其次替换span关闭使用</strong>。

【讨论】：

【解决方案2】：

考虑使用 Python 和 BeautifulSoup 之类的工具来处理 HTML。尝试使用 sed 或 awk 等其他工具解析 HTML 可能会导致 terrible places。

举个例子：

from bs4 import BeautifulSoup
soup = BeautifulSoup('<li><span class="desc e-font-family-cond">fork</span>')
for spanele in soup.findAll('span'):
    spanele.name = 'p'
html_string = str(soup)
print(html_string);

这是轻量级且非常简单的，并且使用专门为解析它而构建的库可以正确处理 html。

【讨论】：

【解决方案3】：

不要使用 AWK 处理 HTML 文件。如果可以将 HTML 文件转换为 XHTML 文件，则可以使用 xsltproc 进行 XML 转换，如下所示：

trans.xsl 文件：

<?xml version="1.0" encoding="utf-8"?>
<xsl:stylesheet
  version="1.0"
  xmlns:xsl="http://www.w3.org/1999/XSL/Transform">

  <xsl:output method="xml" indent="yes" encoding="utf-8"/>

  <xsl:template match="@*|node()">
    <xsl:copy>
      <xsl:apply-templates select="@*|node()"/>
    </xsl:copy>
  </xsl:template>

  <xsl:template match="span[@class='desc e-font-family-cond']">
    <strong><xsl:apply-templates/></strong>
  </xsl:template>

</xsl:stylesheet>

用于调用 xsltproc 的 CLI 命令，显然必须安装：

xsltproc trans.xsl file.html

此命令的标准输出是您想要的更正后的 HTML 文件。

【讨论】：

【解决方案4】：

使用 sed：

sed 's,<\(\/\)\?span\(\s\)\?,<\1strong\2,g'

$ echo '<span class="desc e-font-family-cond">fork</span>' | sed 's,<\(\/\)\?span\(\s\)\?,<\1strong\2,g'
<strong class="desc e-font-family-cond">fork</strong>

【讨论】：