Sed awk замена удаление из html кода

Сейчас тебе напишут. Используй язык с готовой библиотекой. Regexp не для парсинга.

python + beautifulsoup</thread>

данные в data-image-src=«»

Очевидно, данные внутри data-image-src=«» подпадут под регулярное выражение [^«]*

В треде не хватает ссылки на тот самый пост в stackoverflow

http://stackoverflow.com/a/1732454

Да можно удалять строчку,вставить вместо нее новую. И еще вопрос пытаюсь экранировать \«1»\ но sed ругается,как то не так экранируется?

Понятно) сложно нереально) Буду смотреть в сторону питон перл Спасибо

И еще вопрос пытаюсь экранировать \«1»\ но sed ругается,как то не так экранируется?

Я тоже не понимаю, что Вы пытаетесь экранировать.

Если Перл, то попробуй:
WWW::Mechanize
HTML::TreeBuilder
HTML::TreeBuilder::XPath

пытаюсь понять как правильно экранировать кавычки «»

Экранировать где?

sed -r 's/(.*var=)"([^«]*)»(.*)/\1new_value\2/'

В одинарных кавычках экранирование не нужно.

find -type f -name \*.html -exec sed -i -r 's/data-image-src=«то что здесь,не заменяется,sed ругается»/data-image-src=«1.png»/g' {} \; Как же удалить то что в кавычках или заменить то что в кавычках И как дать понять sed что делать это нужно только в первом совпадений,в следующем другая замена.

data-image-src=«то что здесь,не заменяется,sed ругается»

data-image-src=«[^»]*"

И как дать понять sed что делать это нужно только в первом совпадений
/g

Убрать «g», добавить «q»?

python + lxml</thread>

Fixed.

find -type f -name \*.html -exec sed -i -r 's/data-image-src=«[^»]*«/src=„1.png“/q' {} \; sed: -e expression #1, char 38: unknown option to `s С ключом g работает,и внутри скобок чистит,то что нужно,но везде.Есть два таких места и хотелось бы в одном вставить одно,в другом другое.Это реально sed'y?

Есть два таких места

/pattern/{s/.../.../};/pattern/{s/.../.../}

В самом деле, лучше обработайте это каким-нибудь Perl + XML::Twig/HTML::TreeBuilder

Приспособился) ключ /q не работает. Подумаю еще над вашим предложением обработать perl. А как быть с удалением тегов начиная от <div bla* > до его закрытия </div>

Я ошибся, q - не ключ, а команда, и его нужно отделять символом ";".

А как быть с удалением тегов начиная от <div bla* > до его закрытия </div>

Взять нормальный парсер. В принципе, с более сильным sed-fu это можно сделать и sed'ом (от такого-то до такого-то паттерна проглатывать текст, затем что-то заменить в нём и всё это напечатать), но это очень сложно и наверняка сломается на вложенных тегах.

Подскажите еще такой момент find -type f -name \*.html -exec sed -i -r 's/src=«/src=»http://www.ru/" /g' {} \; Как добавить url?

Не понял вопроса. В каком смысле и куда добавить?

Я победил его) все ок Осталась проблема с divами.Но они вложенные есть.Хочется все таки домучать sed и не использовать perl etc.

xmlstarlet?