如何在 Linux 上的多个文件中搜索和替换长 HTML

Question

我需要用这个 HTML:

递归查找所有文件

<html id="blx-5fb3c619e82a2863d6567c52-000000001" class="blx-5fb3c619e82a2863d6567c52"><head>
    <meta charset="utf-8">
    <meta name="google" value="notranslate">

并将其替换为 HTML:

<html id="blx-5fb3c619e82a2863d6567c52-000000001" class="blx-5fb3c619e82a2863d6567c52"><head>
    <meta charset="utf-8">
    <meta name="google" value="notranslate">
    <meta name="format-detection" content="telephone=no">
    <meta name="format-detection" content="date=no">
    <meta name="format-detection" content="address=no">
    <meta name="format-detection" content="email=no">

这是我尝试将 grep 命令通过管道传输到 sed 的失败尝试：

grep --include="index.html" -PRwzl -e '<html id="blx-5fb3c619e82a2863d6567c52-000000001" class="blx-5fb3c619e82a2863d6567c52"><head>\n    <meta charset="utf-8">\n    <meta name="google" value="notranslate">\n' | xargs -i@ sed -i 's/<html id="blx-5fb3c619e82a2863d6567c52-000000001" class="blx-5fb3c619e82a2863d6567c52"><head>\n    <meta charset="utf-8">\n    <meta name="google" value="notranslate">\n/<html id="blx-5fb3c619e82a2863d6567c52-000000001" class="blx-5fb3c619e82a2863d6567c52"><head>\n    <meta charset="utf-8">\n    <meta name="google" value="notranslate">\n    <meta name="google" value="notranslate">\n    <meta name="format-detection" content="telephone=no">\n    <meta name="format-detection" content="date=no">\n    <meta name="format-detection" content="address=no">\n    <meta name="format-detection" content="email=no">\n/g' @

单独使用 grep 命令效果很好。

为清楚起见，这里是分成许多部分的命令。：

grep --include="index.html" \
    -PRwzl \
    -e '<html id="blx-5fb3c619e82a2863d6567c52-000000001" class="blx-5fb3c619e82a2863d6567c52"><head>
        \n    <meta charset="utf-8">
        \n    <meta name="google" value="notranslate">
        \n' \
    | xargs -i@ sed -i 's/<html id="blx-5fb3c619e82a2863d6567c52-000000001" class="blx-5fb3c619e82a2863d6567c52"><head>
                            \n    <meta charset="utf-8">
                            \n    <meta name="google" value="notranslate">
                            \n
                        /<html id="blx-5fb3c619e82a2863d6567c52-000000001" class="blx-5fb3c619e82a2863d6567c52"><head>
                            \n    <meta charset="utf-8">
                            \n    <meta name="google" value="notranslate">
                            \n    <meta name="google" value="notranslate">
                            \n    <meta name="format-detection" content="telephone=no">
                            \n    <meta name="format-detection" content="date=no">
                            \n    <meta name="format-detection" content="address=no">
                            \n    <meta name="format-detection" content="email=no">
                            \n
                        /g' @

Answer 1

你的命令白白的很复杂。您可以在文件中运行您的 sed，而不需要前面的 grep 和 xargs。通常，使用 sed 对文件进行内联编辑类似于：

sed -i 's/TO_FIND/REPLACE/' FILE.txt

另一条评论，sed 不是编辑 HTML 的好工具。看看RegEx match open tags except XHTML self-contained tags.

话虽这么说，我建议这个脚本来满足您的要求。

#!/bin/bash
#
find . -type f -name "*.html" -print0 | while IFS= read -r -d '' file
do
    if [[ $(grep -c 'id="blx-5fb3c619e82a2863d6567c52-000000001" class="blx-5fb3c619e82a2863d6567c52"' $file) -ne 0 ]]
    then
        # Add the content...
        echo "Adding in file $file"
        sed -i 's#</head>#    <meta name="format-detection" content="telephone=no">\n    <meta name="format-detection" content="date=no">\n    <meta name="format-detection" content="address=no">\n    <meta name="format-detection" content="email=no">\n    </head>#' "$file"
    else
        echo "Nothing to do on $file"
    fi
done

将 find 与 while 和 read 一起使用涵盖了子目录中有 HTML 个文件的情况。
grep 已经过高度简化。如果存在 id 和 class 值，则足以识别有效文件。
然后在 sed 中，您可以只添加新行。您的 sed 用这些相同的行替换了行。
我在 sed 中使用 # 作为分隔符而不是 / 以避免与 HTML 代码混淆。
这是基于我自己创建的文件，因为您没有提供示例。您应该在问题中提供示例。
<head> 部分中的标签顺序无关紧要，因此在结束 </head> 之前添加行即可。
显然 else 部分是可选的。
<opinion>我发现这种类型的脚本比长单行更容易理解和调试。</opinion>。

假设index.html是：

<html id="blx-5fb3c619e82a2863d6567c52-000000001" class="blx-5fb3c619e82a2863d6567c52"><head>
    <meta charset="utf-8">
    <meta name="google" value="notranslate">
    <title>TITRE</title>
</head>
    <body>
        <p>PARAGRAPH</p>
    </body>
</html>

结果是：

<html id="blx-5fb3c619e82a2863d6567c52-000000001" class="blx-5fb3c619e82a2863d6567c52"><head>
    <meta charset="utf-8">
    <meta name="google" value="notranslate">
    <title>TITRE</title>
    <meta name="format-detection" content="telephone=no">
    <meta name="format-detection" content="date=no">
    <meta name="format-detection" content="address=no">
    <meta name="format-detection" content="email=no">
    </head>
    <body>
        <p>PARAGRAPH</p>
    </body>
</html>

如何在 Linux 上的多个文件中搜索和替换长 HTML

How to search and replace long HTML in multiple files on Linux

linux

grep

sed