Slik manipulerer HTML og XML-filer fra kommandolinjen

World Wide Web Consortium (W3C) har en rekke gratis verktøy tilgjengelig for å hjelpe til med riktig generering og behandling av HTML og XML-filer. HTML-XML-pakken er et sett med enkle verktøy for å manipulere HTML- og XML-filer fra kommandolinjen. Den er tilgjengelig for mange av de forskjellige Linux-distribusjonene, og kan være nyttig for de som må behandle HTML- eller XML-filer regelmessig.

For å installere pakken på Ubuntu, bruk:

 sudo apt-get install html-xml-utils

Det finnes 31 verktøy i denne pakken, her er et sammendrag av hva de kan gjøre:

cexport - opprett headerfile av eksporterte erklæringer fra en C-fil
hxaddid - legg til ID-er til utvalgte elementer
hxcite - erstatt bibliografiske referanser ved hjelp av hyperkoblinger
hxcite-mkbib - utvider referanser og lager bibliografi
hxkopi - kopier en HTML-fil mens du beholder relative lenker
hxcount - telle elementer og attributter i HTML- eller XML-filer
hxextract - trekk ut utvalgte elementer
hxclean - bruk heuristikk for å korrigere en HTML-fil
hxprune - fjern merkede elementer fra en HTML-fil
hxincl-expand inkluderte HTML- eller XML-filer
hxindex - opprett en alfabetisk sortert indeks
hxmkbib - lag bibliografi fra en mal
hxmultitoc - Lag en innholdsfortegnelse for et sett med HTML-filer
hxname2id- flytt noen ID = eller NAME = fra A-elementer til foreldrene sine
hxnormalize - pretty-print en HTML-fil
hxnum - nummer seksjonsoverskrifter i en HTML-fil
hxpipe- konverter XML til et format lettere å analysere med Perl eller AWK
hxprintlinks- nummer linker og legg til tabell med webadresser på slutten av en HTML-fil
hxremove - fjern valgte elementer fra en XML-fil
hxtabletrans - transponere et HTML- eller XHTML-tabellen
hxtoc - sett inn en innholdsfortegnelse i en HTML-fil
hxuncdata - erstatt CDATA seksjoner etter tegn enheter
hxunent - erstatte HTML forhåndsdefinerte tegn enheter til UTF-8
hxunpipe- konvertere utdata av røret tilbake til XML-format
hxunxmlns - erstatt "globale navn" ved hjelp av XML-navnspace-prefikser
hxwls - liste lenker i en HTML-fil
hxxmlns - erstatt XML-prefiks for prefiks med "globale navn"
asc2xml, xml2asc- konverter mellom UTF8 og enheter
hxref - generere kryssreferanser
hxselect-ekstraktelementer som samsvarer med en (CSS) velger

For å introdusere deg til kraften til dette verktøysettet, her er noen eksempler på hvordan du vil bruke noen av kommandoene.

Kommandoen " hxnormalize " vil reformatere en HTML-fil slik at den er lett å lese og pent formatert. For å teste denne kommandoen, vil vi lage en stygg HTML. Velg og kopier følgende linjer og lim dem direkte inn i et terminalvindu.

 katt> test.html << __EOF__ Hallo __EOF__

Dette vil opprette en fil som heter test.html. HTML-en mangler noen av de avsluttende kodene og er skrevet i en linje. hxnormalize kommandoen vil formatere filen og skrive den vakre versjonen til standardutgangen (stdout). Slik gjør du kommandoen:

 hxnormalize -e test.html

"-e" -flagget forteller hxnormalisere for å sette inn eventuelle manglende lukkekoder.

Du kan også kjøre kommandoen mot en nettside ved å erstatte "test.html" med en nettadresse, for eksempel:

 hxnormalisere http://www.example.com

hxwls kommandoen vil analysere en lokal HTML-fil eller et nettsted, og oppgi linkene i HTML-koden. For eksempel:

 hxwls http://www.example.com

Her er de første utgangslinjene for Make Tech Easier-nettstedet:

Kommandoen hxtabletrans endrer et bord slik at rader blir kolonner og kolonner blir rader.

La oss lage en HTML-fil med et enkelt bord. Velg og kopier følgende linjer, og lim dem deretter direkte inn i et terminalvindu.

 katt> table.html << __EOF__ Jill Smith 50
Eve Jackson 94
 __EOF__

Resultatet er en fil som heter table.html. I en nettleser ville tabellen se slik ut:

Jill	Smith	50
Eve	Jackson	94

Hvis du kjører kommandoen hxtabletrans, vil den skrive den transponerte tabellen til standardutgangen. Resultatene kan omdirigeres til en annen fil som dette:

 hxtabletrans table.html> table2.html

Den nye filen, table2.html, viser Jill Smith og Eve Jackson i kolonner, i stedet for i rader som i originalen. Den resulterende tabellen vil være noe slikt:

Jill	Eve
Smith	Jackson
50	94

De fleste kommandoer brukes på samme måte som eksemplene ovenfor, det vil si at du må spesifisere en fil eller URL for å behandle og utdataene er skrevet til stdout. Prøv å eksperimentere med de forskjellige kommandoene som du kanskje finner dem nyttige.

Hvis du har spørsmål om HTML-XML-verktøyene, kan du gjerne spørre dem i kommentarene nedenfor, og vi vil se om vi kan hjelpe.