匹配sed中的任何字符(包括换行符)

Question

我有一个sed命令,我想在一个巨大的,可怕的,丑陋的HTML文件上运行,该文件是从Microsoft Word文档创建的.它应该做的就是删除字符串的任何实例

style='text-align:center; color:blue;
exampleStyle:exampleValue'

我试图修改的sed命令是

sed "s/ style='[^']*'//" fileA > fileB

它很有效,只要匹配文本中有新行,就不匹配.是否有sed的修饰符,或者我可以做些什么来强制匹配任何字符,包括换行符？

我知道正则表达式在XML和HTML上很糟糕,等等等等,但在这种情况下,字符串模式的格式很好,因为样式属性总是以单引号开头并以单引号结束.因此,如果我能解决换行问题,只需用一个命令就可以将HTML的大小减少50%以上.

---

最后,事实证明,SinanÜnür的perl脚本效果最好.它几乎是瞬间的,它将文件大小从2.3 MB减少到850k.好的'Perl ...

Answer 1

sed逐行检查输入文件，这意味着，据我了解，您想要的内容在sed.

不过，您可以使用以下 Perl 脚本（未经测试）：

#!/usr/bin/perl

use strict;
use warnings;

{
    local $/; # slurp mode
    my $html = <>;
    $html =~ s/ style='[^']*'//g;
    print $html;
}

__END__

一个班轮将是：

$ perl -e 'local $/; $_ = <>; s/ style=\047[^\047]*\047//g; print' fileA > fileB