将多个HTML文档合并成一个HTML文档

将多个HTML文档合并成一个HTML文档

目录

最近在看Vim插件方面的资料，原来一直都只用ctags和cscope看代码，发现看一些大型项目还是不太方便，还是得求助于更多的插件。找了一下发现还是易水老师的《Vi/Vim使用进阶》系列最靠谱，并且还提供pdf下载，于是下载了准备随身携带方便慢慢看。但打开发现有个问题，里面的插图太小了，需要点击小图并联网后才能打开大图，怎么办呢？易水老师也提供了html版本的系列文章下载，于是想可以用修改html版本的文章，替换成大图，再生成pdf，但现在的pdf工具好用的不多，还不支持多个html文档的合并。那能不能自己合并一下再转pdf呢？

于是花点时间研究了下如何合并HTML文档，对于结构完整的HTML文档，合并多个文档的过程是很简单的，就是选一个文档作为主干，将其余HTML文档的”< html>< body> … < /html>< /body>” 标记去掉并塞进主干文档当中。比较麻烦的是按照当需要合并的文档是有章节组织的，这个时候按照章节顺序来合并才有意义。于是又花了点时间研究了下，发现可以从目录中提取出顺序已经定好的章节信息。确定可行后，剩下的就是如何实现了，这个需求很简单，看来用不着专门为这个动用HTML语法的解析器，最快的办法还是用Bash脚本来实现，下面就是实现这个功能的脚本，供有同样需求的朋友参考：

merge_html.sh脚本

#! /bin/bash
# A simple HTML file merge scripts.
# Author: Lewis Liu
# Version: 0.1
# Merge HTML files in given folder and generate a mono html file called "all_in_one.html"
# User can specify an index file which contains a list of all files in chapter order, and
# if not specified, the script will use 'ls' to list all files that need to be merged.
# 

TARGET="all_in_one.html"
#clean result and intermediate files from last run
rm -vf ${TARGET} toc.tag *.sed index.list 

# default html tag tokens
TOKEN_TOC='<div class="toc">'
TOKEN_CHAP_PREFIX='<span class="chapter"><a href="'
TOKEN_CHAP_NAME='[0-9a-zA-Z,\_]+\.html'
TOKEN