如何用sed/perl在Shell脚本中实现多行正则替换（保留首尾内容）

问题背景 #

我查过Stack Overflow上的《How to use regex for multiple line pattern in shell script》一文，但无法满足需求。需要通过终端工具（sed或perl）实现原地正则替换来批量修改文件，无需依赖HTML/XML库。

原始文件内容 #

Some text
<div class="firstClass secondClass" something="else">
    Some random stuff
</div>
Random Text
<div class="thirdClass fifthClass" something="else">
    Some random stuff
    < is something
    < but not /> This
</div>
<div class="fourthClass">
    Some random stuff
</div>
Final Text

期望转换结果 #

Some text
<!-- firstClass start -->
    Some random stuff
<!-- firstClass end -->
Random Text
<!-- thirdClass start -->
    Some random stuff
    < is something
    < but not /> This
<!-- thirdClass end -->
<!-- fourthClass start -->
    Some random stuff
<!-- fourthClass end -->
Final Text

尝试过的命令 #

sed -n '/<div class="\([^ "]*\)[^>]*>/,/<\/div>/{s/<div class="\([^ "]*\)[^>]*>/<!-- \1 start -->/;/<\/div>/d;p}' file

该命令能正确替换起始行，但无法在内容后添加对应结束标识，还会删除首尾无关行。需要保留这些行，并在内容末尾添加与起始行提取的标识对应的结束注释。

通用模式说明 #

此需求不限于HTML场景，通用结构如下：

原始通用结构 #

Some random text before my pattern
PATTERN "info ...
  random stuffs
END PATTERN
Some random stuff after pattern

期望转换后结构 #

Some random text before my pattern
NEW PATTERN - info 
  random stuffs
END NEW PATTERN - info
Some random stuff after pattern

注：random stuffs中绝不会出现END PATTERN，无嵌套情况，仅需提取起始行中第一个空格或引号前的info内容，其余内容可删除。

解决方案 #

1. 使用sed实现（GNU sed适用） #

sed -i.bak '
/<div class="\([^ "]*\)[^>]*>/{
    s//<!-- \1 start -->/
    h
    :loop
    n
    /<\/div>/{
        g
        s/<!-- \(.*\) start -->/<!-- \1 end -->/
        p
        d
    }
    p
    b loop
}' file

• -i.bak：原地修改文件，同时生成.bak备份文件（无需备份可直接用-i）
• 逻辑：匹配起始行时，替换为注释并将提取的类名存入临时缓存；逐行读取内容，直到遇到结束标签，从缓存取出类名生成对应结束注释，替换结束标签后打印，其余行正常输出。

2. 使用perl实现（跨平台通用） #

perl -i.bak -0777 -pe '
s/<div class="([^ "]+)[^>]*>\n(.*?)<\/div>/<!-- $1 start -->\n$2\n<!-- $1 end -->/gs' file

• -i.bak：原地修改并生成备份文件
• -0777：将整个文件读入内存处理多行内容
• -pe：循环处理内容并输出结果
• s/.../.../gs：g表示全局替换，s让.匹配换行符，实现跨行匹配替换

通用模式适配（sed版） #

如果是通用的PATTERN与END PATTERN结构，可将sed命令调整为：

sed -i.bak '
/PATTERN "\([^ "]*\)/{
    s//NEW PATTERN - \1/
    h
    :loop
    n
    /END PATTERN/{
        g
        s/NEW PATTERN - \(.*\)/END NEW PATTERN - \1/
        p
        d
    }
    p
    b loop
}' file

内容的提问来源于stack exchange，提问作者Aram Papazian