regex - 如何使用 UNIX 从多个文件中删除所有 <script> 标记(以及其间的所有内容)？

Question

我有一个包含多个文件的文件夹，我想删除所有 <script>标签以及其间的所有内容，例如:

这个:

<script type="text/javascript">function(foo);</script>

还有这个:

<script type="text/javascript" src="scripts.js"></script>

我认为在 PHP 中它会是这样的:

<?php $string = preg_replace('#(\n?<script[^>]*?>.*?</script[^>]*?>)|(\n?<script[^>]*?/>)#is', '', $string); ?>

但是当谈到 UNIX 时我却不知所措。

Answer 1

例如呆呆

$ cat file
blah
<script type="text/javascript">function(foo);</script>
<script type="text/javascript" src="scripts.js"></script>
blah
<script type="text/javascript"
    src="script1.js">
</script>
end

$ awk 'BEGIN{RS="</script>"}/<script/{gsub("<script.*","")}{print}END{if(RS=="")print}' file
blah




blah


end

所以在 for 循环中运行它来遍历你的文件(例如 html)

for file in *.html
do
  awk 'BEGIN{RS="</script>"}/<script/{gsub("<script.*","")}{print}END{if(RS=="")print}' $file >temp
  mv temp $file
done

您也可以使用 Perl 来完成，

perl -i.bak -0777ne 's|<script.*?</script>||gms;print' *.html