写一个文件（主要是 HTML）批量处理脚本，用什么语言比较好？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

V2EX 提问指南

这是一个创建于 2815 天前的主题，其中的信息可能已经有所发展或是发生改变。

最近想写个文件处理脚本，主要面向 HTML 文件，有一下需求：

去除特定字符串，
匹配替换特定字符串，
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。

第 1 条附言 · 2017-03-17 17:29:47 +08:00

其实后面可能还要涉及到一些比对、判断，并不是简单匹配和替换（虽然我现在也想不出哪些具体需求），所以才提这个问题。

22 条回复 • 2017-03-17 22:15:32 +08:00

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 via Android

sed ？

scnace

2017-03-17 17:37:07 +08:00 via Android

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 via Android

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 via iPhone

这好像不需要库吧，上 js 咯。

hd7771

2017-03-17 19:28:42 +08:00 via Android

有个算法叫 ac 自动机满足你的要求

bdbai

2017-03-17 20:02:49 +08:00 via Android

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 via iPhone

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。