使用sed删除html评论标签

这个问题已经是discussed here，但我注意到最流行的答案实际上是错误的，并且由于该页面仍然在谷歌中弹出＃1，我认为这是有道理的评论。我不能在原来的讨论中发表评论，因为我的声誉太低，所以如果管理员认为它应该移到那里，请这样做，不要让我太难过）使用sed删除html评论标签

因此，我们要删除所有内容，这是由HTML注释标记表示

This is how my text (html) file looks like 
<!-- 
|        | 
| This is a dummy comment  | 
|  please delete me   | 
|   asap     | 
|        | 
    ________________________________ 
| -->

最投票回答表明下面的代码

#! /bin/sed -f 
# Delete HTML comments 
# i.e. everything between <!-- and --> 
# by Stewart Ravenhall <[email protected]> 

/<!--/!b 
:a 
/-->/!{ 
    N 
    ba 
} 
s/<!--.*-->//

虽然它在简单的情况下，当另一个评论开始在同一线路出现故障，其中前一个结束。例如，应用上述脚本之后的输入

<!-- 
1 --><!-- 
2 --><!-- 
3 
-->

，会给

<!-- 
2 --><!-- 
3 
-->

这意味着只有第一评论将被删除。原因是在应用替换命令后，代码不检查缓冲区是否也有下一个注释的开始标记。

分辨率这个问题是修改代码，这样

#! /bin/sed -f 
:x 
/<!--/!b 
:a 
/-->/!{ 
    N 
    ba 
} 
s/<!--.*-->// 
bx

，或者在很短的符号

cat file.html | sed ':x;/<!--/!b;:a;/-->/!{N;ba};s/<!--.*-->//;bx'

我想改正这个脚本是很重要的，因为它是上市上seder's grab bag

一点点更简洁和非常优雅的解决方案建议Brian Clements（我已经修改了一点）

cat file.html | sed ':a;s/<!--.*-->//g;/<!--/{N;ba}'

这一个工作正常，因为即使替换完成后，代码检查是否存在下一个评论的开始。然而，在我看来（纠正我，如果我错了），这个解决方案将会比修改后的Stewart Ravenhall代码慢一点，因为正则表达式将被多次搜索，即使它不存在，而第一个脚本仅在肯定存在时才运行正则表达式搜索。

来源

2014-09-22 John Smith

是（通过使用SED缓冲/内存的限制），但两个版本都无法处理两个同一行上的注释：' keepme ' – 2014-09-22 14:58:29

[义务链接]（http://stackoverflow.com/a/1732454/7552） - 您应该使用HTML解析器删除HTML注释。 – 2014-09-22 16:10:45

卡西米尔，你是对的，但我不知道如何修改脚本。据我了解，问题出现是因为sed正则表达式很贪婪。这是否意味着在sed html注释删除脚本中写入是不可能的？ – 2014-09-22 16:43:59

sed -n 'H 
$ {g 
    s/<\!--/²/g;s/-->/³/g 
:a 
    s/²[^³]*³//g 
    t a 
    s/.//p 
    }' YourFile

假设²，³不内部使用的HTML（如果使用的话，改变定界符或adapte代码由一个替换字符串改变任何出现时和回的端部）
不照顾html标记的像" blabla <!--
任何嵌套级别是考虑到字符串

来源

2014-09-23 05:42:50 NeronLeVelu

使用sed删除html评论标签

回答

相关问题