Dotaz: hromadná editace html

[Mk]

Potřeboval bych v mnoha html souborech umazat kus textu a nahradit ho jiným kusem textu. Na internetu jsem našel toto řešení pomocí perlu:

find -name '*.html' -exec perl -pi -e 's/CoNahradit/CimNahradit/g' {} \;

Toto by mi dokonale vyhovovalo, kdybych místo CoNahradit a CimNahradit mohl mít delší text plný uvozovek, lomítek, apostrofů.. Zkrátka potřebuji nahradit kód IndexTools za něco jiného. Díky za každou pomoc

Odpovědi

[stativ]

Klidně použij tohle ačkoliv by bylo lepší použít sed, na tohle bohatě stačí. Pak by to vypadalo takhle:

find . -name "*.html" -print0 | xargs -0 sed -i 's/CoNahradit/CimNahradit/g'

Za co nahradit můžeš dát v podstatě libovolně dlouhý libovolný regulární výraz. Pokud nevíš o co jde, doporučuji UTFG.

[rastos]

1. predpokladáš, že nahrádzaný text je na jednom riadku

2. ignoruješ situácie, kedy pôvodný alebo nový text obsahuje znaky alebo postupnosti, ktoré majú špeciálny význam - napr. apostrof, lomítko, bodku, okrúhle a hranaté zátvorky, regex classy atď.

[stativ]

1. to ano, jinak by to bylo složitější, vzhledem k tomu že sed s textem pracuje po řádcích, nicméně by to mělo jít taky
2. vůbec je neignoruji, regular expressions jsou mocné. Od toho je tu escapování.

[stativ]

I když jak nad tím přemýšlím, tak 1. by pomocí sed-u asi fakt nešlo. Sice je možný do patternu narvat odřádkování, ale předchozí řádek mezitím už sedem propluje a ztratí se.

[Ash]

Při použití N se nový řádek připojí ke stávajícímu, takže extrémní obezličky jsou například spojit celý soubor do jednoho řádku a podobně :) U html stránek možná i přijatelné řešení, ale obecně spíš jen když člověk bez sedu prostě nemůže žít.

[stativ]

Takže to přece jenom jde. Ještě jsem to nepotřeboval (naštěstí), ale je dobré to vědět.

[Mk]

Co to jsou regulární výrazy vím, ale umím jen jednoduché. Když bych se držel perlu, jak označím pomocí regulárního výrazu text na několika řádcích? Uvozovky vyeskejpuju.

[happy barney]

man perlre
s ... Treat string as single line.

samozrejme, text sa musí ako multiline načítať. (undef $/ pomôže)

[Smajchl]

jo taky jsem nahrazoval v html souborech hromadne nakou vec a pouzil jsem na to sed, akorat misto findu jsem pouzil for v bashi, vysledek je ale stejnej.

[Pavel Sýkora]

Efektivní řešení dost závisí na tom, zda CoNahradit a ČímNahradit jsou regulární výrazy nebo jen obyčejné řetězce. A také jak je to ve skutečnosti dlouhé (tj. kolik těch lomítek, uvozovek apod. by v těch případných RE bylo nutné vyeskejpovat). A taky, co se má vlastně udělat - pokud by se v tom (X)HTML měla respektovat struktura dokumentu, tak použití RE je dosti masochistické (někdy to ani obecně jako RE prakticky nejde napsat).

[Mk]

Potřebuji nahradit kód IndexTools za Google Analytics v několika tisících html souborech. Takže několik vždy stejných řádků textu před koncem body. Při představě, že to dělám ručně mi jd emráz po zádech.

[rastos]

> Takže několik vždy stejných řádků textu před koncem body.

Nebolo by možné pomocou head odrezať tie riadky na konci, ktoré tam nechceš a potom jednoducho append-núť tie riadky, ktoré chceš?

Resp. urobiť niečo takéto

head -n -10 < vstup > tmp1
tail -n 5 < vstup > tmp2 
cat tmp1 novyobsah tmp2 > vystup

čím sa nahradia riadky medzi 10. a 5. riadkom od konca novym obsahom.

[Ash]

V tom případě bych asi zůstal u toho perlu nebo sedu.

V perlu nevím jak se dělá multiline, (možná jednodušeji že na to bude přepínač jako v Javě)? V sedu:

find . -iname '*.html' | xargs sed -f cmd.sed

cmd.sed:
/IndexTools start/,/end of IndexTools/{
  :l  # label l
  N   # pripoj dalsi radek
  s|IndexTools start.*end of IndexTools|GoogleAnalytics| # zkus nahradit
  T l # pokud se nic nenahradilo tak skoc na label l
}

Tím že to dáte do souboru tak vám nevadí ani uvozovky, ani apostrofy, lomítka buď escapujete (\\) nebo "zanedbáte", takže akorát znak "|" no a pokud ho kód IndexTools nebo GoogleAnalytics obsahuje, tak si vyberte nějaký jiný znak.

Podstatné je, že vám stačí escapovat jen začátek IndexTools dostatečně jednoznačně identifikující ten kód, a pak konec téhož. Text GoogleAnalytics je normální řetězec (žádné excapování krom té pajpy "|").

Vyzkoušejte možné problémy třeba na:

html
body
something IndexTools start
tady neco
co chci
nahradit
end of IndexTools something
/html

[Ash]

Ha, ještě dost podstatný přepínač sed -i :D aby vám ty (předpokládám nejprve zazálohované...) soubory opravdu přepsal, jinak to hází na standardní výstup :)

[Mk]

Bezvadný, tohle je téměř dokonalý, díky moc. Narazil jsem jen na malý problém. Když by příklad vypadal takhle..

html
body
something
script
IndexTools start
tady neco
/script
script
co chci
nahradit
end of IndexTools
/script
something
/html

..jak to označit od prvního script po poslední /script, když na prvním a posledním řádku je pouze script a /script. Takže jednoduše nevím co dosadit za XXX (s|scriptXXX.*/XXXscript|google|). Snad mi rozumíte.

[Ash]

Když ten začátek/konec (první/poslední řádek) není moc jednoznačný tak bych to asi nejdřív pospojoval (předpoklad že je to vždy nejvýše na dvou řádkách za sebou, případně lze dát víc než +1 ale asi opatrně s tím).

1 průchod:
sed -e "/script/,+1{N;s/^\(.*script.*\)\n\(.*IndexTools start.*\)$/\1 \2/}"
2 průchod:
sed -e "/script/,+1{N;s/^\(.*end of IndexTools.*\)\n\(.*\/script.*\)$/\1 \2/}"

A pak do třetice ten skript co jsem poslal s tím, že do toho search&replace přidáte i ten tak pro začátek a konec skriptu.

[Ash]

Oprava, samozřejmě:

2 průchod:
sed -e "/end of IndexTools/,+1{N;s/^\(.*end of IndexTools.*\)\n\(.*\/script.*\)$/\1 \2/}"

[Ash]

Oprava, samozř. víc než +1 nic neřeší, vlastně by to tam ani nemuselo/nemělo být (,+1) Kdybyste chtěl zkusit spojit víc než dva řádky tak stačí dát víckrát za sebou N;

[filo]

Ahoj, teď jsem zkoušel v PSPadu (menu Hledat - Hledat/Nahradit v souborech) nahradit text v html za řetězec '"#@$%^&*()+-/\{};| rekurzívně v několika adresářích a prošlo bez nejmenšího problému. Pokud je to jednorázová akce a máš k PSPadu přístup, možná by to stálo za pokus (netuším, nakolik je funkční pod Wine).

[Mk]

Pspad pod wine používám bez problému. Jenže html souborů musím změnit tolik, že i takhle bych u toho zešedivěl. Ale díky.

[filo]

Moment, avizoval jsem, že PSPad umí provést jednu změnu v x (neotevřených) souborech jako jeden krok, to nestačí ?

[Smajchl]

Chtel bych te videt jak v tom najednou oteviras treba 300 souboru, ten sed je prece jednodussi

Mozna by to ani technicky neslo a spadnul by ten pspad pri takovym mnozstvi (samozrejme ja to mnozstvi neznam, jen sem neco placnul)

[boar]

pochopol jsem to tak, ze zadas masku, co zmenit, a provedes ... on to dela postupne.

[filo]

Přesně tak, ty soubory se neotvírají v PSPadu k editaci jako záložky, je tam jen dialog, co s nima udělat a samotná operace pak běží na pozadí, viz obrázek.

[Smajchl]

Tak to jsem nevedel, ja to nepouzivam od chvile co sem poznal Jedit a Kwrite, takze tyhle veci nevim.