9.4 用Perl转换普通文本

再看看如何通过Perl语言为文本添加HTML标签。首先，和sed相似，我先逐一给出一系列命令；然后再在一个文件中展示同样的命令。

本书只介绍了Perl语言的初步知识及用法。本书不是Perl语言教程或手册，但我希望它能激发你对Perl语言的兴趣，因此想多展示几种可能的用法。学习Perl语言最好的起点是Learning Perl网站http://learn.perl.org/，上面还有Perl的安装指导方法。

如果当前行（$.）就是第1行，将整行（$_）赋值给变量$title，再将$title打印出来。

  1. perl -ne 'if ($. == 1) {chomp($title = $_); print "<h1>" . $title . "</h1>" . "\n";};'rime.txt

如果一切正常，结果应该是：

  1. <h1>THE RIME OF THE ANCYENT MARINERE, IN SEVEN PARTS.</h1>

以下是对这个Perl命令的详解。

  • 通过$.检查是否在第1行。
  • 选定整行（$_）然后将这个字符串赋值给$title变量。当用chomp函数选定整行时，就会将结尾的换行符从字符串中剔除。
  • 在h1元素中打印$title，然后再打印换行符（\n）。

要了解关于Perl语言内置变量（如$.）的更多信息，请在提示符中输入命令perldoc -v $.（perldoc通常在安装Perl时就已经安装了）。如果该命令无效，请参见9.6节。

要在文件起始处添加标记（包括h1标签），使用以下命令：

  1. perl -ne 'if ($. == 1) {chomp($title = $_)};
  2. print "<!DOCTYPE html>\
  3. <html xmlns=\"http://www.w3.org/1999/xhtml\">\
  4.  <head>\
  5.   <title>$title</title>\
  6.   <meta charset=\"utf-8\"/>\
  7.  </head>\
  8. <body>\
  9. <h1>$title</h1>\n" if $. == 1; exit' rime.txt

结果如下：

  1. <!DOCTYPE html>
  2. <html xmlns="http://www.w3.org/1999/xhtml">
  3.  <head>
  4.   <title>THE RIME OF THE ANCYENT MARINERE, IN SEVEN PARTS.</title>
  5.   <meta charset="utf-8"/>
  6.  </head>
  7. <body>
  8. <h1>THE RIME OF THE ANCYENT MARINERE, IN SEVEN PARTS.</h1>

打印函数print会打印随后的标签以及每一行，并在行尾加\，其中\会将换行符写入到输出内容中。$title变量的内容会在title和h1元素中展开显示。

9.4.1 用Perl处理罗马数字

要给标题和用于分隔内容的罗马数字添加标签，可使用：

  1. perl -ne 'print if s/^(ARGUMENT\.|I{0,3}V?I{0,2}\.)$/<h2>\1<\/h2>/;' rime.txt

输出如下所示：

  1. <h2>ARGUMENT.</h2>
  2. <h2>I.</h2>
  3. <h2>II.</h2>
  4. <h2>III.</h2>
  5. <h2>IV.</h2>
  6. <h2>V.</h2>
  7. <h2>VI.</h2>
  8. <h2>VII.</h2>

替换命令（s）会捕获ARGUMENT标题和七个大写罗马数字，其中每一个都在单独的一行且尾随一个句点，罗马数字范围为I至VII；然后将捕获的文本包括在h2标签中。

9.4.2 用Perl处理特定段落

请使用以下代码在行号为5时用p元素包括介绍段落：

  1. perl -ne 'if ($. == 5) {s/^([A-Z].*)$/<p>$1<\/p>/;print;}' rime.txt

可以看到如下内容：

  1. <p> How a Ship having passed the Line was driven by Storms to the cold Country towards
  2.        the South Pole; and how from thence she made her course to the tropical Latitude
  3.        of the Great Pacific Ocean; and of the strange things that befell; and in what
  4.        manner the Ancyent Marinere came back to his own Country.</p>

9.4.3 用Perl处理多行诗文

以下命令会将一个p起始标签放在诗文第一行的起始处，并在该行的结尾添加一个br标签：

  1. perl -ne 'if ($. == 9) {s/^[ ]*(.*)/ <p>$1<br\/>/;print;}' rime.txt

结果如下：

  1. <p>It is an ancyent Marinere,<br/>

接下来的Perl命令会在第10行到第832行之间的每一行诗文的结尾处添加一个br标签：

  1. perl -ne 'if (10..832) { s/^([ ]{5,7}.*)/$1<br\/>/; print;}' rime.txt

下面是你可以看到的结果的一部分：

  1. Farewell, farewell! but this I tell<br/>
  2.   To thee, thou wedding-guest!<br/>
  3. He prayeth well who loveth well<br/>
  4.   Both man and bird and beast.<br/>

在诗文最后一行结尾处添加一个p结束标签。

  1. perl -ne 'if ($. == 833) {s/^(.*)/$1<\/p>/; print;}' rime.txt

这就会显示：

  1. He rose the morrow morn.</p>

将每一行结尾处的空行替换为br标签：

  1. perl -ne 'if (9..eof) {s/^$/<br\/>/; print;}' rime.txt

结果为：

  1. <br/>
  2.     He prayeth best who loveth best,
  3.       All things both great and small:
  4.     For the dear God, who loveth us,
  5.       He made and loveth all.
  6. <br/>
  7.     The Marinere, whose eye is bright,
  8.       Whose beard with age is hoar,
  9.     Is gone; and now the wedding-guest
  10.       Turn'd from the bridegroom's door.
  11. <br/>

最后，找到文件结尾时，就打印出几个结束标签：

  1. perl -ne 'if (eof) {print "</body>\n</html>\n"};' rime.txt

将所有这些代码放在一个文件中运行起来更简单，下一节就会看到了。

9.4.4 使用Perl命令文件

下面列出的是html.pl文件，它用Perl语言将rime.txt转换为HTML。该示例中的编号将指导你理解这个Perl脚本的内容。

  1. #!/usr/bin/perl -p ①
  3. if ($. == 1) { ②
  4.  chomp($title = $_);
  5. }
  6. print "<!DOCTYPE html>\ ③
  7. <html xmlns=\"http://www.w3.org/1999/xhtml\">\
  8.  <head>\
  9.   <title>$title</title>\
  10.   <meta charset=\"utf-8\"/>\
  11.  </head>\
  12. <body>\
  13. <h1>$title</h1>\n" if $. == 1;
  14. s/^(ARGUMENT|I{0,3}V?I{0,2})\.$/<h2>$1<\/h2>/; ④
  15. if ($. == 5) { ⑤
  16.  s/^([A-Z].*)$/<p>$1<\/p>/;
  17. }
  18. if ($. == 9) { ⑥
  19.  s/^[ ]*(.*)/ <p>$1<br\/>/;
  20. }
  21. if (10..832) { ⑦
  22. s/^([ ]{5,7}.*)/$1<br\/>/;
  23. }
  24. if (9..eof) { ⑧
  25. s/^$/<br\/>/;
  26. }
  27. if ($. == 833) { ⑨
  28.  s/^(.*)$/$1<\/p>\n <\/body>\n<\/html>\n/;
  29. }

① 这一行是shebang命令，它提示shell你要运行的程序的位置。

② 如果当前行（$.）是第1行，则将整行（$_）赋值给变量$title，同时使用chomp函数将字符串最后一个字符（换行符）剔除。

③ 在文档顶部的第1行打印文档类型以及一些HTML标签，然后在几个地方重用变量$title的值。

④ 用h2标签包括ARGUMENT标题和罗马数字。

⑤ 用p标签包括介绍段落。

⑥ 在诗文开头添加p起始标签，在行尾添加br标签。

⑦ 在每行诗文结尾处添加一个br标签，最后一行除外。

⑧ 在第9行后，每一个空行都用换行标签（br）代替。

⑨ 在最后一行附加p、body以及html结束标签。

要运行该文件，只需输入：

  1. perl html.pl rime.txt

还可以用>将输出内容重定向到文件中。在下一章也就是最后一章中，我们来总结本书讲解的正则表达式知识。