在匹配之前删除换行符 - Linux答案

【问题标题】：Remove newline before a match - Linux在匹配之前删除换行符 - Linux
【发布时间】：2018-07-19 23:27:50
【问题描述】：

我想使用 Linux 命令（sed、awk...）在我的 HTML 文件中删除 </script> 之前的换行符。

示例输入：

<html>
    <head>
        <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
        <title>JavaScript Ders 2</title>
        <script type="text/javascript" src="script1.js" language="javascript"> 
        </script>
        <script type="text/javascript" src="script2.js" language="javascript"> 
        </script>
        <script>
            // script kodumuz buraya yazılacak
        </script>
    </head>
    <body>
        <script type="text/javascript" src="script3.js" language="javascript"> 
        </script>
    </body>
</html>

样本输出：

<html>
    <head>
        <meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
        <title>JavaScript Ders 2</title>
        <script type="text/javascript" src="script1.js" language="javascript"> </script>
        <script type="text/javascript" src="script2.js" language="javascript"> </script>
        <script>
        // script kodumuz buraya yazılacak</script>
    </head>
    <body>
        <script type="text/javascript" src="script3.js" language="javascript"> </script>
    </body>
</html>

我尝试了不同的语法，但没有一个能做到。

【问题讨论】：

Don't Parse XML/HTML With Regex. 我建议使用 XML/HTML 解析器 (xmlstarlet, xmllint ...)。
请避免"Give me the codez" 问题。而是显示您正在处理的脚本并说明问题所在。另见How much research effort is expected of Stack Overflow users?

标签： linux bash awk sed

【解决方案1】：

首先，如cmets中提到的Don't parse XML with Regex！永远不要这样做，永远不要考虑它。养成不去想的习惯！有时它可能看起来很简单，可以使用 sed 或 awk 或任何其他正则表达式解析器执行，但没有...

另一方面，如果你真的想使用sed 或awk，你可以做什么——首先使用xmlstarlet 处理文件并将其转换为PYX 格式。

PYX 格式是面向行的表示从 SGML ESIS 格式派生的 XML 文档。（参见 ESIS - ISO 8879 元素结构信息集规范， ISO/IEC JTC1/SC18/WG8 N931 (ESIS))

所以你真正想做的是：

$ xmlstarlet pyx <file.html> | do_your_magic_here | xmlstarlet depyx > file.new.html

在你的情况下，这将是这样的：

$ xmlstarlet pyx file.html \
  | awk 'c~/^- *\\n *$/&&/^)script$/{c=$0;next}{print c; c=$0}END{print c}' \
  | xmlstarlet depyx

这将输出

<html>
    <head>
        <meta content="text/html; charset=utf-8" http-equiv="Content-Type"></meta>
        <title>JavaScript Ders 2</title>
        <script language="javascript" src="script1.js" type="text/javascript"></script>
        <script language="javascript" src="script2.js" type="text/javascript"></script>
        <script>
            // script kodumuz buraya yazılacak
        </script>
    </head>
    <body>
        <script language="javascript" src="script3.js" type="text/javascript"></script>
    </body>
</html>

【讨论】：

【解决方案2】：

这可能对你有用（GNU sed）：

sed 'N;s/\n\(<\/script>\)/\1/;P;D' file

在整个文件中保留两行的窗口，如果第二行以</script> 开头，则删除前面的换行符。

【讨论】：