使用Javascript处理磁盘文本处理

Question

我有一些html文件，我需要对其执行自动处理，基本上是使用正则表达式替换，但也有一些更复杂的操作，如将选定的文本块从一个文件复制到另一个文件。

我想创建一系列脚本来让我做这个处理（它将需要在不同批次的文件上多次执行）。将Go用于此（将文件读入内存，正则表达式，保存到磁盘）将是微不足道的，但我是熟悉Go的项目的唯一成员。

Javascript是一个更无处不在，我确实有熟悉该语言的项目成员，所以它在这方面更合适。如果我以后不在，别人可以编辑脚本。

有没有简单的方法来写一些JS脚本来做磁盘文本处理？我正在寻找跨平台解决方案（OSX，Windows）。理想情况下，脚本一旦写入，就可以通过双击图标来执行脚本 - 在某些时候会涉及“不涉及计算机人员”。

此外，我希望能够做一些警告/消息框通知用户脚本的成功/失败。 （这可能是一个艰巨的任务，而且是次要的）

我已经看了：

• Node.js的是，突然出现在我脑海的第一件事，是因为我知道它有文件系统访问工具，显然是正则表达式容量。但是我从来没有使用过Node，并且基于我读过的教程，对于这样简单的事情来说似乎是过度的。

• 有一整个“JavaScript编译”工具，你可以通过使用谷歌搜索周围找到。有些不是跨平台的，有的看起来很老或者没有被主动维护，等等。没有一个引起我的注意，就像拿起一些JS脚本一样容易。

有什么想法？

Answer 1

Node.js是一个简单的解决方案，通过它的框架，您可以创建或随后根据需要修改脚本。这样你就不会被别人的代码锁住。而且使用起来并不难。 下面是如何使用Node.js

http://www.sitepoint.com/accessing-the-file-system-in-node-js/

上accesing文件的快速教程这里是使用所谓的Cheerio节点模块的快速教程。它允许你使用“jquery like syntax”来访问html文件。你不需要使用正则表达式。

http://maxogden.com/scraping-with-node.html

我工作的一个项目，为客户一次，它需要解析直通几百HTML文件检查和更换基于某些指标分析某些图像文件。当时我并不熟悉节点，因此我阅读了一些教程并在大约一个小时内编写了脚本。

只要设置了Nodejs的路径，就可以在命令行上运行它。

Answer 2

一些提示：

你需要任何种类的DOM HTML解析器，不仅JS也不是特别JS。

您可以使用jTidy或jSoup库（我已经使用过第二次）使用Java来做这件事。如果你知道像Netbeans这样的JS和IDE，它可以帮助你学习很简单的语言。所以可以很快做到这一点。

您可以使用PhantomJS创建一些作业文件并创建shell /批处理代码以在某些文件上运行它们。您可能需要为作业文件编写一个生成器（例如获取文件列表，为每个文件创建作业文件并运行它们）。

你可以使用Node.js，这是没有太多矫枉过正，我敢肯定任何解决方案都不是微不足道的。

您可以创建一个ETL以供处理，例如Pentaho ETL（将JS嵌入为两种脚本语言中的一种......但没有DOM解析器 - 对于那个，您需要使用一些Java和一些库以类似于this article的方式）。

你也可以通过使用Simple HTML DOM Parser这个PHP来做到这一点 - 这样你就可以在线（或在本地服务器上）创建一个服务，它接受这些html文件并抛出处理过的文件。

Answer 3

首先，我认为你低估了复杂性。声明

“这将是微不足道的使用Go这个（文件读入到内存， 正则表达式，保存到磁盘），但我这是 熟悉围棋项目的唯一成员。”

可能是false。用RegExp解析HTML只是一个坏主意。 （谷歌它，你会明白为什么）

第二，如果你可以在Go中使用RegExps轻松地编写代码，你可以轻松地在Javascript中写同样的东西。他们都支持RegExp和文件操作。如果您不确定Javascript/Node.js的详细信息，我建议您在Go中编写一些简单的解决方案，然后将其与同事一起翻译成Javascript。

由于Javascript是一种脚本语言，因此在Node.js中编写命令行工具很简单。

一些指针，让您开始

• RegExp in Javascript
• Building command line apps in Node.js