写一个文件（主要是 HTML）批量处理脚本，用什么语言比较好？

2017-03-17 16:49:22 +08:00
 cstome

最近想写个文件处理脚本，主要面向 HTML 文件，有一下需求：

  1. 去除特定字符串，

  2. 匹配替换特定字符串，

  3. 匹配 HTML 头部<head>标签内相同的地方，并抽取出来，

...暂时想到这些。

不知道用 Python 写比较好还是 NodeJS 比较好。由于我是做前端的，对 JS 比较熟，但是 NodeJS 的库似乎没有 Python 多。。。

或者大家知道有我这种需求的相关的库也可以推荐一下。

2219 次点击
所在节点    问与答
22 条回复
newbieo0O
2017-03-17 16:56:14 +08:00
Python. so easy
imn1
2017-03-17 16:57:22 +08:00
如果不需要并行的话， shell 就足够了
sensui7
2017-03-17 17:02:09 +08:00
Perl
cstome
2017-03-17 17:05:13 +08:00
可能还会要一些 DOM 操作，由于分析判断如何处理。
learnshare
2017-03-17 17:06:45 +08:00
Node + Phantom
Tink
2017-03-17 17:07:05 +08:00
python
xycool
2017-03-17 17:09:18 +08:00
为什么感觉用 c#很简答啊，[认真脸]
SuperMild
2017-03-17 17:22:26 +08:00
这些简单功能不用库又何妨
pandacat
2017-03-17 17:28:06 +08:00
sed ？
scnace
2017-03-17 17:37:07 +08:00
楼上别争了 这是个#熟悉什么语言就用什么语言#的 case
dishonest
2017-03-17 18:07:33 +08:00
@scnace +1

当然我还是推荐用 python
golmic
2017-03-17 18:21:17 +08:00
python
jimliang
2017-03-17 18:27:32 +08:00
用你最熟悉最上手的语言就行了，怎么方便怎么来
airyland
2017-03-17 18:43:13 +08:00
这好像不需要库吧，上 js 咯。
hd7771
2017-03-17 19:28:42 +08:00
有个算法叫 ac 自动机满足你的要求
bdbai
2017-03-17 20:02:49 +08:00
Nodejs 有个库 cheerio 类似 jQuery 可以快速处理 DOM ，强烈推荐。
Daniel65536
2017-03-17 20:41:22 +08:00
如果熟悉 js ，就用 js ，否则用 python+lxml

记住如果你的输入不是高度同质且确定的，比如不是同一个网址 pid 不同，而是那种真爬虫随意爬的，那么就别用基于 regex 的方式去搞，因为 html 不是正则语言， regex 处理不了各种边际情况，尽量用基于 xml 解析的库去做。
misaka19000
2017-03-17 20:48:35 +08:00
不用 Python 天理不容
exoticknight
2017-03-17 21:22:47 +08:00
python 和 node 都用过
python
binux
2017-03-17 21:27:29 +08:00
jsdom

这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/348259

V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX