Eu tenho muitos arquivos html que eu quero renomear de acordo com o conteúdo de a tag h1.
Alguma sugestão sobre como fazer isso no bash?
Exemplo de um arquivo:
<!DOCTYPE html><html lang="pt-BR"><head><meta charset="utf-8"><title>Repositório - MAIS</title>
<script src="lib/tudo.js"></script>
<link rel="stylesheet" href="lib/style.css">
</head>
<body>
<div id="cabecalho"></div>
<div id="corpo">
<h1>teste</h1>
<div class="Experimento"></div>
<div class="gallery">
<img class="image-gallery" src="img/2dados.png">
</div>
<br><br><strong>Mídia:</strong> experimento (uma aula dupla)
<br><br><strong>Descrição:</strong> este experimento propõe 4 jogos diferentes, todos baseados no lançamento de 2 dados comuns. Discutindo as chances de cada jogador vencer cada um dos jogos, os estudantes terão a chance de discutir vários conteúdos relacionados à probabilidade
<br><br><strong>Conteúdo:</strong> experimento aleatório, espaço amostral, eventos equiprováveis, probabilidade
<br><br><strong>Recomendação de uso:</strong> este experimento pode ser usado como introdução ou aplicação dos conceitos iniciais de probabilidade.
<br><br><strong>Autoria:</strong> este experimento foi desenvolvido pela <a class="externo" href="http://www.mais.mat.br" target="_blank">Mais</a> e pode ser utuilziado e distribído livremente, contanto que citada a autoria original.
<a class="download" href="http://www.mais.mat.br/recursos/images/5/5b/2dados.pdf">Baixar</a>
</div>
<div id="rodape"></div>
</body>
</html>
Eu quero que o arquivo seja renomeado para "teste.html"
Se for útil, esta tag estará sempre na 8ª linha de cada arquivo e sozinha (nada mais na mesma linha). Além disso, há sempre apenas uma ocorrência de h1 em cada arquivo.
Com xmllint :
<!DOCTYPE html>
<html>
<head>
<title>test</title>
</head>
<body>
<a>foo</a>
<b>bar</b>
<c>base</c>
</body>
</html>
for file in *.html; do
tag=$(xmllint --xpath '//b/text()' $file)
echo mv "$file" "${tag}_$file"
done
Coloque o comando echo quando seus testes ficarem bem para executar o comando para real
O caminho certo com as ferramentas find + xmlstarlet :
find . -type f -name "*.html" -exec sh -c \
'name=$(xmlstarlet sel -t -v "//tagname" $1 2>/dev/null);
[ ! -z "$name" ] && echo mv "$1" "${1%%/*}/${name}.html"' _ {} \;
name - variável que é designada com um valor (o conteúdo da tag tagname ) para o novo nome de arquivo [ ! -z "$name" ] - verifique se um novo nome de arquivo não está vazio (ou seja, <tagname> foi encontrado e tinha um valor) Com xmlstarlet:
xmlstarlet format --html teste.html | xmlstarlet select --html --template --value-of '//html/body/div/h1'
Saída:
teste
Eu usei xmlstarlet format --html teste.html para corrigir seu código html não válido.
Se a tag estiver sozinha na 8ª linha, você tem muitas maneiras de escolhê-la.
tag=$( awk NR==8 file )
tag=$( awk 'NR == 8 { print ;}' file )
onde
NR é o número de registros (número da linha) print é ação implícita ou
tag=$(sed -n 8p file)
onde
-n não ecoará linha 8p print linha 8. e muitos outros.
como notado no comentário, retransmitir no número da linha é arriscado. Se o arquivo for um arquivo xml válido, a extração da tag seria mais fácil e segura.
Minha solução final foi o código abaixo, combinando duas sugestões. Obrigado pessoal!
for file in *.html; do
tag=$(xmlstarlet format --html $file | xmlstarlet select --html --template --value-of '//html/body/div/h1')
mv "$file" "${tag}.html"
done
Funcionou muito bem para meus arquivos!