API tools faq
paste
Advertisement
rplantiko

Pimp My HTML

rplantiko
Jun 28th, 2016
566
0
Never
Add comment
Not a member of Pastebin yet? Sign Up, it unlocks many cool features!
Perl 3.93 KB | None | 0 0
raw download clone embed print report
  1. #!\perl\bin\perl
  2.  
  3. # Durchsucht einen Verzeichnisbaum nach *.html, *.htm oder *.jsp Files
  4. # Verschönert den HTML-Code dieser Files in zwei Durchgängen
  5. # 1. Durchgang: HTML Tidy
  6. #   - DOCTYPE HTML 4.01 transitional
  7. #   - kleingeschriebene Element- und Attributnamen, Attribute in ""
  8. #   - Ausgabe in UTF-8
  9. #   - Umlaute nicht als Entität, sondern direkt (Text bleibt somit lesbar)
  10. #   - Zeilenumbrüche einheitlich
  11. # 2. Durchgang: HTML::Parser
  12. #   - <body> ersetzen durch <body><div id="content"> (passend für CSS)
  13. #   - Umbrüche in Kommentaren bereinigen (macht Tidy nicht)
  14. #   - <meta name="generator"> (auch mehrfache) entfernen
  15.  
  16. use strict;
  17. use warnings;
  18.  
  19. use HTML::Parser;
  20. use File::Iterator;
  21.  
  22. iterate('\astrotexte\sources_bak', \&pimp );
  23. #iterate('\astrotexte\sources', sub {print "$1\n" if (shift =~ /\\astrotexte\\sources\\(.*)/) ; } );
  24.  
  25. sub iterate {
  26.   my ($startdir,$do) = @_;
  27.   my ($it,$file);
  28.   $it = new File::Iterator(
  29.              DIR     => $startdir,
  30.              RECURSE => 0,
  31.              FILTER  => sub { $_[0] =~ /Spec\.(html?|jsp)$/ },
  32.           );
  33.  
  34.   while ($file = $it->next()) {
  35.    &$do($file);
  36.    }
  37.  
  38. }
  39.  
  40. sub pimp {
  41.  
  42.   my $source = shift;
  43.   my $target = $source;
  44.   $target =~ s/sources_bak/sources/;
  45.   my $tmpfile = "\\astrotexte\\sources\\_temp";
  46.   my $options;
  47.  
  48.   print "$source";
  49.  
  50. # Erster Durchlauf: Mit HTML Tidy
  51.  
  52.   ( $options = <<OPTIONS ) =~ s/\s*(#[^\n]*)?\n/ /gm;
  53. -o "$tmpfile"      # In temporäres File schreiben
  54. -i                 # indent = Einrückungen
  55. -w 80              # Line wrap bei ca. Position 80
  56. --doctype loose    # HTML 4.01, Tidy erzeugt keine URL der DTD (ist aber OK)
  57. --join-classes 1   # Mehrere CSS-Class-Attributes zu einem zusammenfassen
  58. --output-encoding UTF8  # Ausgabe in Unicode UTF-8
  59. --quiet 1          # Nicht schwätzen
  60. OPTIONS
  61.  
  62.   `\\tidy\\tidy $options "$source" 2>NUL`;
  63.  
  64.   print ".";
  65.  
  66. # Zweiter Durchlauf: Nun mit HTML::Parser
  67.  
  68. # Immer nur <body> oder <body onload="">, alle anderen Attribute entfernen
  69. # <body>  -->  <body><div id="content">
  70. # </body> -->  </div></body>
  71. # <meta name="generator"> (auch mehrfache) entfernen
  72.  
  73.  
  74.   open(RESULT, ">:utf8", $target)  or die "$! - Can't open $target for write";
  75.  
  76.   my $p = HTML::Parser->new(
  77.     default_h => [ \&handle_default, 'text'],
  78.     comment_h => [ \&handle_comment, 'text'],
  79.     start_h   => [ \&handle_start,   'tagname,attr,text'],
  80.     end_h     => [ \&handle_end,     'tagname'],
  81.     text_h    => [ \&handle_text,    'text'],
  82.     );
  83.  
  84.  
  85.   open(my $fh, "<:utf8", $tmpfile ) || die $!;
  86.   $p->parse_file($fh) || die $!;
  87.   close $fh;
  88.   close RESULT;
  89.  
  90.   print ".\n";
  91.  
  92. }
  93.  
  94. {
  95.  
  96. # Flags mit eingeschränktem Geltungsbereich
  97. my $body = 0;  
  98.  
  99. sub handle_start {
  100.  
  101.   my ($tagname,$attr,$text) = @_;
  102.   my $att ="";
  103.  
  104.   if ($tagname eq "body") {
  105.     $att =qq(onload="$attr->{onload}") if $attr->{onload};
  106.     print RESULT qq(<body $att><div id="content">);
  107.     $body = 1;
  108.     }
  109.   elsif ($tagname eq "meta"
  110.            and $attr->{name}
  111.            and $attr->{name} =~ /generator/i) {
  112.     return;  # Generator-Tag unterdrücken
  113.     }
  114.   elsif ($tagname eq "script") {
  115.     handle_default( $text );
  116.     print RESULT "</script>";
  117.     }  
  118.   else {
  119.     handle_default( $text );
  120.     }
  121.  
  122.   }
  123.  
  124. sub handle_end {
  125.   my ($tagname) = @_;
  126.   if ($tagname eq 'body') {
  127.     print RESULT qq(</div></body>);
  128.     $body = 0;
  129.     }
  130.   elsif ($tagname eq 'script') {
  131.     return;  # Machen wir schon in handle_start
  132.     }
  133.   else {
  134.     print RESULT qq(</$tagname>);
  135.     }
  136.   }
  137.  
  138. sub handle_text {
  139.   my $text = shift;
  140.  
  141. # Im Headerbereich mehrfache Zeilenumbrüche entfernen  
  142.   $text =~ s/(  )?\n(  )?\n/\n/gm unless $body;
  143.  
  144.   print RESULT $text;
  145.  
  146.   }
  147.  
  148. sub handle_default {
  149.   print RESULT shift;
  150.   }
  151.  
  152. # Tidy bearbeitet keine 0D/0A-Probleme innerhalb von Comments
  153. sub handle_comment {
  154.   my $text = shift;
  155.   $text =~ s/\r\n/\n/gm;
  156.   $text =~ s/\n\n/\n/gm;
  157.   print RESULT $text;
  158.   }
  159.  
  160. }
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement
Public Pastes
Advertisement
We use cookies for various purposes including analytics. By continuing to use Pastebin, you agree to our use of cookies as described in the Cookies Policy.  OK, I Understand
Not a member of Pastebin yet?
Sign Up, it unlocks many cool features!