如何使用 Perl 删除 HTML 文件中 p 元素的所有属性？

Question

我想使用这个简单的 Perl 命令行删除 HTML 文件中

的所有属性：

$ perl -pe 's/<p[^>]*>/<p>/' input.html

但是，它不会替代

跨越多行，例如

<p 
class="hello">

删除行尾

# command-1
$ perl -pe 's/\n/ /' input.html > input-tmp.html
# command-2
$ perl -pe 's/<p[^>]*>/<p>/g' input-tmp.html > input-final.html

因此，我尝试首先通过执行Questions:

1. Is There an option in (Perl) regex to try the match across multiplelines? 来
2. ？我可以将上面的两个命令（command-1 和 command-2）合并为一个吗？基本上，第一个命令需要在第二个命令开始之前完成执行。

Answer 1

-p 是

LINE: while (<>) {
   ...
} continue {
   print
      or die "-p destination: $!\n";
}

As you can see $_ 一次只包含一行的缩写，因此该模式不可能匹配跨越多行的内容。您可以使用 -0777 欺骗 Perl 认为整个文件是一行。

perl -0777 -pe's/<p[^>]*>/<p>/g' input.html

命令行选项记录在 perlrun 中。

Answer 2

如果您编写一个简短的脚本，并将其放入自己的文件中，则可以使用简单的命令行轻松调用它。

改进以下脚本留作练习：

#!/usr/bin/perl

use warnings; use strict;
use HTML::TokeParser::Simple;

run(\@ARGV);

sub run {
    my ($argv, $opt) = @_;

    my $el = shift @$argv;

    for my $src (@$argv) {
        clean_attribs($src, $el, $opt);
    }
}

sub clean_attribs {
    my ($src, $el, $opt) = @_;
    my $el_pat = qr/^$el\z/;

    my $parser = HTML::TokeParser::Simple->new($src, %$opt);

    while (my $token = $parser->get_token) {
        if ($token->is_start_tag($el_pat)) {
            my $tag = $token->get_tag;
            print "<$tag>";
        }
        else {
            print $token->as_is;
        }
    }
}

Answer 3

perl -pe 'undef $/; s/

]*>/

/g'

Answer 4

$ perl -pe 's/\n/ /; s/<p[^>]*>/<p>/gs;' input.html > input-final.html