Script med hjälp av "sed" söker igenom html text & filtrera
Postat: 06 dec 2016, 16:31
Script med hjälp av sed söker igenom alla html-sidor
Hejsan, jag håller på med en uppgift där jag ska skriva ett script som med hjälp av "sed" söker igenom alla html-sidor(html,htm) rekursivt från den plats du specificerar(argumentet till scriptet). och för varje fil ska allt före taggen <body> och allt efter taggen </body> plockas bort och sparas i en ny fil som heter _nobody.
Jag har skapat en fil som heter index.html med följande information i.
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<title>Linux</title>
</head>
<body style="background-color:black;">
<div style="width:100%; height:123px; margin-top:150px; text-align:center">
<img src="images/rule.png" width="428" height="123" alt="Check" />
</div>
</body>
</html>
Det är alltså bara det här som ska synas och sparas i den nya filen(_nobody) när jag kör scriptet.
<div style="width:100%; height:123px; margin-top:150px; text-align:center">
<img src="images/soon.png" width="428" height="123" alt="Check back soon" />
</div>
Jag har skrivit följande script med får det inte att fungera.. så tänkte höra om ni har några tips på hur jag skulle kunna göra istället för jag har kört fast.
#!/bin/bash
for file in $( ls $1 -r );
do
if [ -d $file ];
then
find -type f -name "*.html" -o -name "*.htm" -exec sh -c `sed '0,/<body/ {/<body/! d ; /<body/ s/.*<body[^>]*>// } ; \|</body|,$ { \|</body|! d ; \|</body | s|</body.* || } ;' "{}"> "{}_nobody" \;
echo "Done!"
exit 0
else
echo "Unvalid path, please try again."
exit 1
fi
done
Hejsan, jag håller på med en uppgift där jag ska skriva ett script som med hjälp av "sed" söker igenom alla html-sidor(html,htm) rekursivt från den plats du specificerar(argumentet till scriptet). och för varje fil ska allt före taggen <body> och allt efter taggen </body> plockas bort och sparas i en ny fil som heter _nobody.
Jag har skapat en fil som heter index.html med följande information i.
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />
<title>Linux</title>
</head>
<body style="background-color:black;">
<div style="width:100%; height:123px; margin-top:150px; text-align:center">
<img src="images/rule.png" width="428" height="123" alt="Check" />
</div>
</body>
</html>
Det är alltså bara det här som ska synas och sparas i den nya filen(_nobody) när jag kör scriptet.
<div style="width:100%; height:123px; margin-top:150px; text-align:center">
<img src="images/soon.png" width="428" height="123" alt="Check back soon" />
</div>
Jag har skrivit följande script med får det inte att fungera.. så tänkte höra om ni har några tips på hur jag skulle kunna göra istället för jag har kört fast.
#!/bin/bash
for file in $( ls $1 -r );
do
if [ -d $file ];
then
find -type f -name "*.html" -o -name "*.htm" -exec sh -c `sed '0,/<body/ {/<body/! d ; /<body/ s/.*<body[^>]*>// } ; \|</body|,$ { \|</body|! d ; \|</body | s|</body.* || } ;' "{}"> "{}_nobody" \;
echo "Done!"
exit 0
else
echo "Unvalid path, please try again."
exit 1
fi
done