Deleção de texto entre padrões em múltiplas linhas em relação ao texto dentro do padrão

Question

Eu tenho um bloco de texto que preciso excluir, no entanto, somente se ele contiver um texto específico dentro do bloco:

...
<script language="JavaScript">
    var somethingA = 0;
    var somethingB = 0;
    var somethingC = 0;
    // do some stuff
</script>

<script language="JavaScript">
    var somethingA = 0;
    var somethingC = 0;
    var somethingD = 0;
    // do some stuff
</script>
....

Eu quero remover apenas o bloco <script> que tem var somethingB . Pode haver qualquer quantidade de <script> de blocos no arquivo em qualquer posição.

Eu esperava usar o sed fazendo algo como:

sed 's/<script/,/<\/script>/ D'

No entanto, não consigo descobrir como excluir apenas o bloco com var somethingB .

PS: Eu também poderia usar perl ou awk. Eu preferiria usar sed por causa da consistência, mas se for mais fácil em perl e / ou awk eu mudaria de velocidade rapidamente nesse ponto. Obrigado!

    

Answer 1

Se uma solução parcial em vim for aceitável:

:%s/<script [^<]*\(\n[^<]*\)*somethingB.*\(\n[^<]*\)*<\/script>//g

mas não funcionará se houver outras tags dentro de <script> , porque usando [^<] , o padrão não pode conter < .

    

Answer 2

Eu não tenho uma solução simples. Na verdade, ele usa o awk para codificar o algoritmo necessário na linguagem C-like do awk. Supondo que o texto a filtrar esteja em um arquivo chamado 'filename':

awk 'BEGIN { curr=0 } \
     /<script .*>/ { in_block=1; del_block=0 } \
     /<\/script>/ { in_block=0; blockend=1 } \
     /var[[:space:]]+somethingB/ { if (in_block==1) \
                                     { del_block=1 } } \
    { if (in_block==0) \
        { if (blockend==0) \
            # Neither in a block nor block end reached.
            # Just print the line
            { print } \
          else \
            { # End of a block reached. Do block end handling
              # just this one time. Block end flag off
              blockend=0
              if (del_block==1) \
                { # delete the block. Just throw away the lines
                  # in the lines array
                  curr=0 } \
              else \
                { # End of block and no delete. Print it out
                  for (i=0; i<curr; i++) \
                    { print line[i] }
                    print   # Print the </script> line
                      # use line-array for the next block
                      curr=0 \
                } \
            } \
        } \
      else \
        { # In a block. Save the current line for later
          line[curr]=$0
          curr++ } \
    }' filename

O padrão para </script> (o marcador final de um bloco) é um pouco simples. Espera que seja exatamente escrito assim sem espaços. Se ele puder conter espaços em branco, você pode escrever assim:

/<[[:space:]]*\/script[[:space:]]*>/ 

O padrão para var somethingB é var - um ou mais espaços em branco - somethingB , que é provavelmente o que você está procurando. Se você quiser que seja corrigido em exatamente um espaço entre var e somethingB , é mais simples: /var somethingB/

    

Answer 3

Isso deve ser possível em sed diretamente. Como não sou nenhum assistente sed , preciso de duas execuções.

1. Na primeira execução, preparamos o arquivo para garantir que os blocos <script>...</script> sejam substituídos por linhas em branco:

   sed -e '/<script/i\ ' -e '/script>/a\ ' code.js
   

   Não é ciência de foguetes: i insere uma linha antes da linha correspondente a um padrão, a em conformidade acrescenta uma linha após a linha correspondente a um padrão. Em ambos os casos, a linha consiste em apenas um espaço em branco.

   É necessário que sed detecte cada bloco separadamente, ou seja, não avidamente na segunda etapa.

2. A segunda execução mata os blocos com var somethingB :

   sed '/<script/,/script>/{H;d;};x;/var somethingB/d'
   

   • /<script/,/script>/{H;d;} move um bloco para o espaço de espera do sed ( H acrescenta espaço, d exclui do espaço padrão)
   • x troca o espaço de armazenamento com o espaço padrão
   • se o padrão /var somethingB/ fizer a exclusão ( d ) do espaço de padrão, que contém o bloco <script> completo.

   • finalmente, sed imprime implicitamente o espaço do padrão.

     Minha referência aqui foi o Tutorial do Unix Sed .

3. Então, em uma linha de comando com um bom canal:

   sed -e '/<script/i\ ' -e '/script>/a\ ' code.js | sed '/<script/,/script>/{H;d;};x;/var somethingB/d'
   

   Se você quiser, use uma terceira sed instance para se livrar das linhas vazias adicionais:

   sed '/^ $/d'