在HTML中替換不匹配的左尖括號內容

Question

我的問題：如何找到帶有不匹配的左尖括號的行，並用它們的HTML替換替換這些括號。

例輸入：

<dd> 
    Pro 10g Flüssigkeit: 2g Wasserstoffperoxid <10% Tenside. ENTHÄLT: Sulfamidsäure,</dd> 

預計通過替代無與倫比 '< 10％' 的字符串輸出：

<dd> 
    Pro 10g Flüssigkeit: 2g Wasserstoffperoxid &lt;10% Tenside. ENTHÄLT: Sulfamidsäure,</dd> 

有德國的 'Umlaute' 包含在我的示例文本只是他們可能的情況下'亂了東西'...

我想如果可能的話使用sed或awk。

我已閱讀： Use sed with regex and (，How to decrement (substract) number in file with sed和 sed - regex square brackets detection in Linux和其他Q & A，但我似乎無法讓我的頭左右的正則表達式。抱歉!

非常感謝您的幫助！

Answer 1

這可能是不夠好：

$ sed -E 's/<([^>]+<)/\&lt;\1/g' file 
<dd> 
    Pro 10g Flüssigkeit: 2g Wasserstoffperoxid &lt;10% Tenside. ENTHÄLT: Sulfamidsäure,</dd> 

如果沒有，那麼編輯您的問題提供真正代表你的真實輸入一個更完整的（但仍然簡潔和可測試）的例子。

沒有什麼特別的umlaute或任何其他輸入字符順便說一句。

Answer 2

這是一個危險的提議，因爲sed作品上線，由線的基礎上，和每行，有幾種情況要考慮：

有可能是僅低於字符沒有任何HTML標籤：

<p> 
    x < 10 
</p> 

有可能是，在你的榜樣，一個html標記後低於字符

<p> x < 10 </p> 

小於號字符可能是內部的html標記。

<img src="..." alt="Graph for x < 10"> 

它可能是一個很長的html標籤，它將在後面的一行中關閉。

<img 
    src="..." 
    alt="..." 
> 

我會做的是首先假定只有前兩個選項都存在，那麼使用這樣的事情：

sed -i.orig -r 's/<([^>]*($|<))/\&lt;\1/g' file. 

這將保持原始文件的備份與新擴展名爲.orig，這樣你就可以運行一個diff程序來查看發生了什麼變化。

至於如何工作的：

• s/AAA/BBB/g取代的AAA與BBB
• s/A(CC)/B\1/g任何發生替換ACC與BCC，那就是在括號中的部分將插入\1
• [^>]*手段零個或多個任意字符以外的其他>
• ($|<)可以是行尾或<，以先到者爲準。

所以它搜索一個<沒有>，直到下一次<或線的末端，並替換部分與<，它最初的<