html - 删除包含模式的 HTML 元素

Question

如何删除文本包含 <span> 的元素(从 </span> 到 PATTERN)在里面？元素的内容应与元素一起删除。

比如我要删除第一个<span>...</span>以下元素:

<span><SPAN>some text with
with </SPAN> a PATTERNin it etc</span><span><SPAN>some text
without </SPAN> a thingIn it etc</span>

仅使用 SED 生成:

<span><SPAN>some text
without </SPAN> a thingIn it etc</span>

PS:行尾或单字没有帮助，它必须检测任何 <span>...</span>和 PATTERN .

生产服务器只允许基本命令，例如 SED。我目前正在使用以下内容，但它很丑而且似乎不起作用。

sed '/<span.*\n.*PATTERN.*<\/span>/d'

Answer 1

如果是 HTML:

perl -MXML::LibXML -e'
   my $parser = XML::LibXML->new();
   my $doc = $parser->parse_html_file($ARGV[0]);
   $_->unbindNode()
      for $doc->findnodes(q{//span[contains(text(), "PATTERN")]});

   binmode(STDOUT);
   print($doc->toString());
' in.html >out.html

如果是 XHTML:

perl -MXML::LibXML -e'
   my $parser = XML::LibXML->new();
   my $doc = $parser->parse_file($ARGV[0]);
   my $xpc = XML::LibXML::XPathContext->new();
   $xpc->registerNs( h => "http://www.w3.org/1999/xhtml" );
   $_->unbindNode()
      for $xpc->findnodes(q{//h:span[contains(text(), "PATTERN")]}, $doc);

   binmode(STDOUT);
   print($doc->toString());
' in.xhtml >out.xhtml

以上两者都产生以下结果(有一些隐含的元素被激活):

<span><SPAN>some text
without </SPAN> a thingIn it etc</span>