Recherche en masse et suppression de parties de fichiers HTML à l'aide de CMD ou de JavaScript

Question

Supposons que j'ai un ensemble de fichiers texte .html dans le dossier.

Je dois traiter chaque fichier et supprimer le contenu de balises HTML spécifiques, y compris les balises elles-mêmes. Les fichiers doivent être réécrits après le traitement.

Exemples:

1. Supprimer tous les blocs <script>
2. Supprimer tous les blocs <div class="test-class"> y compris le contenu intérieur

outils Regex comme sed -i -e 's/REGEX//g' *.html ne sont pas bonnes pour le traitement HTML. Donc, je suis à la recherche d'une solution axée sur l'analyse HTML basée par exemple sur XPATH comme //script, //div[@class="test-class"].

Quelle est la meilleure façon d'y parvenir?

Answer 1

Pour modifier tous les fichiers .html dans le répertoire en cours avec xmlstarlet:

xmlstarlet edit --inplace --omit-decl --delete '//script' --delete '//div[@class="test-class"]' *.html 

---

Voir: xmlstarlet edit --help

Cela pourrait aider à un fichier html cassé:

xmlstarlet format --recover --html file.html |\ 
    xmlstarlet edit --omit-decl --delete '//script' --delete '//div[@class="test-class"]' > new.html