Bash：带有sed的html标签内的大写文本

Posted 2023-03-15

【中文标题】Bash：带有sed的html标签内的大写文本

【英文标题】：Bash: uppercase text inside html tag with sed

【发布时间】：2020-01-12 11:11:45

【问题描述】：

echo -e '<h1>abcd</h1>\n<h2>efgh</h2>' | sed 's#<h1>(.*?)<\h1>#<h1>\U&</h1>#g'

想要的输出是：

<h1>ABCD</h1>
<h2>efgh</h2>

有什么想法吗？谢谢。

POSIX BRE 中的

( 和 ) 是模式内的文字字符。使用-E 选项并将.*? 替换为[^>]*，因为POSIX BRE/ERE 不支持惰性量词。

作业工具错误。必填历史链接：***.com/a/1732454/14122

.*? 在 either BRE 或 POSIX ERE 中不支持语法。 \U 也不是——在使用它时，您依赖于非标准扩展（由您的操作系统的 sed 副本提供，因为该工具不是 bash 的一部分并且因平台而异）。

...所以，如果你想正确，请使用真正的 html 解析器——Python 的 lxml.html 是一个很棒的解析器。 sed 失败的情况不仅仅是小而晦涩——将<h1> 放在一行，将文本放在第二行，将</h1> 放在第三行，您的代码会忽略那里有一个标签。或者将h:xmlns="http://www.w3.org/1999/xhtml" 放在封闭范围内，它必须是<h:h1> 才能被识别，但sed 无法知道这一点。或者改成<h1 class="whatever">，相当于一个HTML解析器，又不匹配了……等等等等。

一些反对票。关闭请求。我只想让它与这个非常简单的例子一起工作。仅此而已...直到现在，什么都没有。

【参考方案1】：

这仅适用于您的情况，不解析 HTML。

免责声明

初读：https://***.com/a/1732454/7939871

这种使用sed Search-and-replace 正则表达式的解析是一种快捷解释。

它绝不可用于任何类型的生产设置；因为它会破坏许多有效的 HTML 语法或布局变化，例如：命名空间、多行、间距、嵌套、属性的使用、实体、CDATA……

sed -E 's#<h1>(.*)</h1>#<h1>\U\1\E</h1>#g' <<<$'<h1>abcd</h1>\n<h2>efgh</h2>'

基本上，它打开大写\U，然后打印捕获的组1 \1，然后关闭大写\E。

【讨论】：

有时我们需要的只是一个简单的解决方案，而不是一个完整的、通用的解决方案。谢谢你给了我这个。