Ersetzten in Text-Dateien

[moonwalker99]

Ich habe eine HTML-Datei, die mehrere

<script>
...
</script>

Abschnitte enthält. Diese gehen über mehrere Zeilen und sind unterschiedlich lang. Wie kann ich mit sed oder mit einem anderen Shell-Skript alle diese Abschnitte entfernen, ohne dass der Rest verloren geht? Das sieht kompliziert aus.

 

[mensch183]

Wenns perl sein darf:
perl -p0777e 's#<script>.*?</script>##gs' <input >output

 

[moonwalker99]

Wenns perl sein darf:
perl -p0777e 's#<script>.*?</script>##gs' <input >output

Bie berüchtigte perl-Syntax...
Das Skript hat leider nichts erstezt. Und wenn ich statt script style reinschreibe, um den CSS-Kram zu entfernen, dann bricht er ab mit dieser Fehlermeldung:

Substitution loop at -e line 1, <> chunk 1.

 

[mensch183]

Nichts ersetzt? Eventuell steht da z.B. <SCRIPT> statt <script>? Dann hinter das gs noch ein i schreiben, um Groß/Kleinschreibung zu ignorieren. Oder steht da nicht nur <script> sondern sowas wie <script src=xxx.js>? Das ist wieder was anderes.
Idealerweise postest du einen Ausschnitt aus dem fraglichen File. Raten ist unlustig.

Achso:
Es wird _nicht_ _im_ File ersetzt sondern ein neues File erzeugt. Wenn dein altes File bla.html heißt, sagst du:
perl -p0777e 's#<script>.*?</script>##gsi' <bla.html >blub.html
und bekommst ein neues File blub.html mit den Ersetzungen. bla.html bleibt unverändert.


Das "Substitution loop at -e line 1, <> chunk 1. " sieht nach einer Perl-internen Beschränkung aus. WIe groß ist das File?

 

[moonwalker99]

Das "Substitution loop at -e line 1, <> chunk 1. " sieht nach einer Perl-internen Beschränkung aus. WIe groß ist das File?

Sehr groß. Hab viele html-Dateien zu einer zusammengefasst, sind über 100 MB.

 

[mensch183]

Mach erstmal mit <script> weiter. Da trat ja der Fehler nicht auf.

100 MB sind ok. Erst ab 1GB gibts u.U. Probleme.

 

[moonwalker99]

Mach erstmal mit <script> weiter. Da trat ja der Fehler nicht auf.

100 MB sind ok. Erst ab 1GB gibts u.U. Probleme.

Es klappt, allerding darf das erste <script> Tag nicht geschlossen werden, sondern es muss <script.* lauten.

 

[Tuxman]

Das wäre übrigens ein idealer Moment, sed aus der Mottenkiste zu holen. Warum Leute Perl als sed-Ersatz verwenden, ist mir ein Rätsel.

 

[mensch183]

Es klappt, allerding darf das erste <script> Tag nicht geschlossen werden, sondern es muss <script.* lauten.

Seltsam. Was für eine shell nutzt du? Sie scheint etwas innerhalb der single quotes zu interpretieren. Die üblichen Unix-Shells tun das nicht.

@Tuxman:
In Perl hab ichs im Kopf. Multiline-Verarbeitung in sed hingegen nicht. Da müßte ich erst nachschauen und ggf. testen.

 

[Tuxman]

http://austinmatzko.com/2008/04/26/sed-multi-line-search-and-replace/