在本地搜索HTML文件而没有匹配的标签或脚本

有时我需要在包含HTML文档的本地目录中搜索特定的单词。通常，我使用一个称为File Locator Pro的程序，该程序在大多数情况下都能正常运行。

但是，在某些情况下，我要查找的词是JavaScript或HTML中的常用关键字或变量名，例如“ child”。在这种情况下，由于此搜索仅针对原始文件内容，因此搜索结果会因脚本或标签中的数千个无用匹配项而爆炸。

有什么方法可以对许多HTML文件中的HTML文件内容进行搜索，而搜索将忽略HTML标签和脚本？

不必使用File Locator Pro；任何解决方案都值得关注，但最好能在Windows上运行并且不需要其他昂贵的软件。

我将使用移植到Windows的著名linnux工具：grep

现在，您必须做一些棘手的链接部分，以便首先匹配您要的内容，然后使用诸如此类的内容过滤掉最大的误报，以搜索age（<image...>在我的测试案例中，也匹配标签和一些js：

grep -ri 'age' * | grep -v '<script[^>]+>[^<]+<\/script>' | grep -v '<[^>]*age[^>]*>' | grep -E '^[^.]*\.(php|html)'

其作用如下（每个grep命令）：

• 首先，它使用age递归包含所有与-r不区分大小写的行-i
• 然后，它匹配<script*>*</script>块中所有内容，但将所有内容都-v匹配（反转匹配），从匹配中删除脚本块
• 第三个删除标记中的匹配项，这可能会排除有效结果，例如，<div id=age>age</div>如果标记与搜索到的单词在同一行。
• 最后，它过滤文件名上的结果以仅保留php或html文件，这-E对于A或B结构需要扩展的正则表达式（grep选项）(A|B)

这可能有点令人费解，但是您不能使用正则表达式来解析html并不能使用（X）HTML解析器来解析每个文件，然后仅查找文本听起来也很复杂。

在Windows上，您可以使用grepwin（来自tortoise开发人员）在Windows系统中通过gui运行grep。它几乎可以实现gnu grep可以实现的所有功能。

另一种方法是安装cygwin，然后照常使用grep。

Windows命令行（仍然）不如* nix系统强大—但是即使在那里，您的情况和愿望也无法轻松解决。正如@Tensibai所说：您基本上是想分析文件中基于上下文的事件。如今，Windows轻量级grep称为findstr，它比旧的find更好，但功能远没有grep强大。如果您像@ fab2s建议那样安装cygwin，则可能可以构建执行以下操作的脚本：

• 查找您感兴趣的所有文件（* .html）[ 查找 ]
• 用行号输出它们，并且所有换行符都更改为未使用的东西（比如说ControlCharacter），使它们位于一行上，但仍然“ 知道 ”行在哪里结束。[ sed ]
• 提取所有脚本块和包装器标签[ sed ..再次]
• 反转换行符[ sed ]

..最后

• grep为您的结果[ grep ]