如何使用Perl删除HTML文件中p元素的所有属性？

Question

我想使用以下简单的Perl命令行删除<p>文件中的所有属性：

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

但是，它不能替代例如跨多行的<p class="hello">，例如

<p 
class="hello">

因此，我首先尝试删除行尾，方法是

# 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

问题：

1. 在(Perl) regex中是否有一个选项可以跨多行尝试匹配？
2. 我能把上面的两个命令(命令-1和命令-2)合并成一个吗？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是缩写

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

如您所见，$_一次只包含一行，因此模式不可能匹配跨越多行的内容。您可以愚弄Perl，使其认为整个文件是使用-0777的一行。

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

命令行选项记录在perlrun中。

Answer 2

如果您编写了一个简短的脚本，并将其放入自己的文件中，那么您可以使用一个简单的命令行轻松地调用它。

改进以下脚本是一项练习：

#!/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/<p[^>]*>/<p>/g'