Как заменить несколько слов, каждое из которых хэшировано на альтернативное слово, в атрибуте HTML с помощью регулярного выражения Perl?
-
07-07-2019 - |
Вопрос
Я пишу обфускатор HTML, и у меня есть хэш, сопоставляющий удобные для пользователя имена (идентификаторов и классов) с запутанными именами (например, a, b, c и т. д.).У меня возникли проблемы с созданием регулярного выражения для замены чего-то вроде
<div class="left tall">
с
<div class="a b">
Если бы теги могли принимать только один класс, регулярное выражение выглядело бы примерно так:
s/(class|id)="(.*?)"/$1="$hash{$2}"/
Как мне исправить это, чтобы учесть несколько имен классов в кавычках?Предпочтительно решение должно быть Perl-совместимым.
Решение
Думаю, я бы сделал это:
s/
(class|id)="([^"]+)"
/
$1 . '="' . (
join ' ', map { $hash{$_} } split m!\s+!, $2
) . '"'
/ex;
Другие советы
Во-первых, вам не следует использовать для этого регулярное выражение.Вы пытаетесь сделать слишком много с помощью одного регулярного выражения (см. Можете ли вы привести несколько примеров того, почему сложно анализировать XML и HTML с помощью регулярных выражений? почему).Что вам нужно, так это парсер HTML.Видеть Можете ли вы привести пример анализа HTML вашим любимым парсером? для примеров с использованием различных парсеров.
Взгляни на HTML::Parser
.Вот, возможно, неполная реализация:
#!/usr/bin/perl
use strict;
use warnings;
use HTML::Parser;
{
my %map = (
foo => "f",
bar => "b",
);
sub start {
my ($tag, $attr) = @_;
my $attr_string = '';
for my $key (keys %$attr) {
if ($key eq 'class') {
my @classes = split " ", $attr->{$key};
#FIXME: this should be using //, but
#it is only availble starting in 5.10
#so I am using || which will do the
#wrong thing if the class is 0, so
#don't use a class of 0 in %map , m'kay
$attr->{$key} = join " ",
map { $map{$_} || $_ } @classes;
}
$attr_string .= qq/ $key="$attr->{$key}"/;
}
print "<$tag$attr_string>";
}
}
sub text {
print shift;
}
sub end {
my $tag = shift;
print "</$tag>";
}
my $p = HTML::Parser->new(
start_h => [ \&start, "tagname,attr" ],
text_h => [ \&text, "dtext" ],
end_h => [ \&end, "tagname" ],
);
$p->parse_file(\*DATA);
__DATA__
<html>
<head>
<title>foo</title>
</head>
<body>
<span class="foo">Foo!</span> <span class="bar">Bar!</span>
<span class="foo bar">Foo Bar!</span>
This should not be touched: class="foo"
</body>
</html>