Come posso sostituire più parole, ognuna con hash a una parola alternativa, in un attributo HTML usando Perl regex?
-
07-07-2019 - |
Domanda
Sto scrivendo un offuscatore HTML e ho un hash che mette in correlazione nomi user-friendly (di id e classi) con nomi offuscati (come a, b, c, ecc.). Sto riscontrando problemi con una regexp per aver realizzato la sostituzione di qualcosa come
<div class="left tall">
con
<div class="a b">
Se i tag potessero accettare solo una classe, regexp sarebbe semplicemente qualcosa del tipo
s/(class|id)="(.*?)"/$1="$hash{$2}"/
Come devo correggerlo per tenere conto di più nomi di classe tra virgolette? Preferibilmente, la soluzione dovrebbe essere compatibile con Perl.
Soluzione
Immagino che farei questo:
s/
(class|id)="([^"]+)"
/
$1 . '="' . (
join ' ', map { $hash{ Immagino che farei questo:
<*>} } split m!\s+!, $2
) . '"'
/ex;
Altri suggerimenti
Non dovresti usare una regex per questo in primo luogo. Stai provando a fare troppo con una regex (vedi Puoi fornire alcuni esempi del perché è difficile analizzare XML e HTML con una regex? per perché). Ciò di cui hai bisogno è un parser HTML. Vedi Puoi fornire un esempio di analisi dell'HTML con il tuo parser preferito? per esempi usando una varietà di parser.
Dai un'occhiata a HTML :: Parser
. Ecco un'implementazione, probabilmente incompleta,:
#!/usr/bin/perl
use strict;
use warnings;
use HTML::Parser;
{
my %map = (
foo => "f",
bar => "b",
);
sub start {
my ($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{ Non dovresti usare una regex per questo in primo luogo. Stai provando a fare troppo con una regex (vedi Puoi fornire alcuni esempi del perché è difficile analizzare XML e HTML con una regex? per perché). Ciò di cui hai bisogno è un parser HTML. Vedi Puoi fornire un esempio di analisi dell'HTML con il tuo parser preferito? per esempi usando una varietà di parser.
Dai un'occhiata a HTML :: Parser
. Ecco un'implementazione, probabilmente incompleta,:
<*>} || Non dovresti usare una regex per questo in primo luogo. Stai provando a fare troppo con una regex (vedi Puoi fornire alcuni esempi del perché è difficile analizzare XML e HTML con una regex? per perché). Ciò di cui hai bisogno è un parser HTML. Vedi Puoi fornire un esempio di analisi dell'HTML con il tuo parser preferito? per esempi usando una varietà di parser.
Dai un'occhiata a HTML :: Parser
. Ecco un'implementazione, probabilmente incompleta,:
<*> } @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>