是否有类似“ CSS选择器”或XPath grep的东西？

Question

我需要找到一堆HTML文件中位于以下结构（CSS）中的所有位置：

div.a ul.b

或XPath：

//div[@class="a"]//div[@class="b"]

grep在这里无济于事。是否有一个命令行工具可以返回与此标准相匹配的所有文件（以及其中的所有可选位置）？即，如果文件与某个HTML或XML结构匹配，则返回文件名。

Answer 1

尝试一下：

1. 安装http://www.w3.org/Tools/HTML-XML-utils/。
   • Ubuntu：aptitude install html-xml-utils
   • MacOS：brew install html-xml-utils
2. 保存网页（称为filename.html）。
3. 运行：hxnormalize -l 240 -x filename.html | hxselect -s '\n' -c "label.black"

["label.black"是CSS选择器，用于唯一标识HTML元素的名称。编写一个名为cssgrep的帮助脚本：

#!/bin/bash

# Ignore errors, write the results to standard output.
hxnormalize -l 240 -x $1 2>/dev/null | hxselect -s '\n' -c "$2"

然后您可以运行：

cssgrep filename.html "label.black"

这将为类label的所有HTML black元素生成内容。

-l 240参数对于避免解析输出中的换行很重要。例如，如果输入<label class="black">Text to \nextract</label>，则-l 240将HTML重新格式化为<label class="black">Text to extract</label>，在第240列插入换行符，从而简化了解析过程。也可以扩展到1024或更高。

另请参见：

• https://superuser.com/a/529024/9067-类似问题
• [https://gist.github.com/Boldewyn/4473790-包装脚本

Answer 2

我已经使用Node JS构建了一个命令行工具。您输入一个CSS选择器，它将搜索目录中的所有HTML文件，并告诉您哪些文件与该选择器匹配。

您需要将Element Finder，cd安装到要搜索的目录中，然后运行：

elfinder -s "div.a ul.b"

有关更多信息，请参见http://keegan.st/2012/06/03/find-in-files-with-css-selectors/

Answer 3

[每位Nat的回答在这里：

How to parse XML in Bash?

Command-line tools that can be called from shell scripts include:

4xpath - command-line wrapper around Python's 4Suite package
XMLStarlet
xpath - command-line wrapper around Perl's XPath library