Delprosjekt: Skifte ut URL'er/tekststrenger i html-dokumenter på Edmund

Ansvarlig:

Eirik Rogne (eirik.rogne@hiof.no)

Innledning:

Da vi byttet fra gamle Edmund til nye Edmund måtte en god del html-dokumenter endres. I mange av dokumentene var linkene hardkodet til /almashriq/xxx/yyy/zzz.html. Disse er nå satt til /xxx/yyy/zzz.html.

Hva vi har gjort:

Vi har laget et perl-script (erstatt.pl) som kan foreta search-and-replace i innholdet på mange filer. Først er man avhengig av å ha en fil som lister opp alle filene som skal editeres i. Deretter kjøres scriptet (fra samme katalog som filen med listen over filer ligger i), og det genereres en logg som inneholder filnavnet på alle filene som ble editert. Den editerte filen vil få samme filnavn som den orginale, mens orginalen vil få extention ".old".

Her er hva vi gjorde:

Først fant vi alle html-filer som inneholdt /almashriq/:

• find /www/almashriq/htdocs/ -name "*.html" -exec grep -il '/almashriq/' {} \; -print > jobs_to_do_filenames &

Disse filene ble lagt i filer.txt. Denne filen ble lest av erstatt.pl som byttet ut en streng med en annen:

• ./erstatt.pl 'href=/almashriq/' 'href=/' &

Siden ikke alle dokumentene fulgte en standard, måtte dette scriptet kjøres flere ganger for å få med alle skrivemåtene:

• href=/almashriq/
• href = /almashriq/
• href="/almashriq/
• href = "/almashriq/
• src=/almashriq/
• src = /almashriq/
• src="/almashriq/
• src = "/almashriq/
• osv.

En enkel måte å sjekke resultatet på er å telle hvor mange filer som gjenstår:

• find /www/almashriq/htdocs/ -name "*.html" -exec grep -il '/almashriq/' {} \; | wc -l

Erfaringer:

Dersom tegnene "[" og "]" i søkestrengen ska benyttes må disse skrives som "\[" og "\]".

webxref med opsjonen -replace kan også benyttes. Les man-sidene.

Mulige forbedringer:

Search-and-replace på tekststrenger som går over flere linjer (multiline).

Prosjektfakta:

Lokalisering:

• script: /usr/local/bin/erstatt.pl