Como posso usar o Unix para renomear todos os arquivos html por seus títulos?

Question

Como em, renomeie todos os arquivos HTML em um diretório pelo texto contido em TEXTO?

Poderia funcionar uma combinação de grep, sed e mv?

Por exemplo, eu tenho um arquivo contendo 1.html. O título de 1.html está contido no arquivo HTML como TEXT (está contido nas tags de título TEXT. Gostaria de renomear 1.html para TEXT.html

Se um arquivo é nomeado como 5.html, e o título de 5.html é TEST2, então eu quero renomear 5.html para TEST2.html.

    

Answer 1

for file in *.html ; do 
    name="$(sed -n '/<title>/{s=[^>]*title>==;s=</title.*==;s=[^0-9A-Za-z-_]=_=g;p;q}' "$file")"
    if [ -f "$name" ]; then
       [ -f "${name}_$file" ] || mv -f "$file" "${name}_$file"
    else
       mv -v "$file" "${name}.html"
    fi
done

sed explanação:

    /<title>/ -- finds the string with <title> and 
                 applies a group of commands to it
    {}        -- a group of commands
    s=[^>]*title>== -- removes everything before <title> including tag
    s=</title.*==   -- removes everything after </title> including tag
    s=[^0-9A-Za-z-_]=_=g -- substitute all non alphabet/num characters to _  
    p -- print the output
    q -- exit as there is no need to process rest of the file

ps. coloque echo antes de cada mv rodar no modo dry e verifique se tudo está bem.

pps. também sed construção espera, que fdjskjfls está em uma linha e não tem tags antes na mesma linha.

    

Answer 2

Eu usaria uma abordagem mais simples:

for f in *.html ; do 
    mv -v "$f" "$(grep -oP '<title>\K.+?</title>' $f | sed 's#</title>##').html"
done