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。
This topic created in 3522 days ago, the information mentioned may be changed or developed.
Supplement 1 · Mar 17, 2017
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。
 |
newbieo0OMar 17, 2017
1
Python. so easy
|
 |
imn1Mar 17, 2017
2
如果不需要并行的话， shell 就足够了
|
 |
sensui7Mar 17, 2017
3
Perl
|
 |
4
可能还会要一些 DOM 操作，由于分析判断如何处理。
|
 |
learnshareMar 17, 2017
5
Node + Phantom
|
 |
TinkMar 17, 2017
6
python
|
 |
xycoolMar 17, 2017
7
为什么感觉用 c#很简答啊，[认真脸]
|
 |
SuperMildMar 17, 2017
8
这些简单功能不用库又何妨
|
 |
pandacatMar 17, 2017 via Android
9
sed ？
|
 |
scnaceMar 17, 2017 via Android
10
楼上别争了 这是个#熟悉什么语言就用什么语言#的 case
|
 |
golmicMar 17, 2017 via Android
12
python
|
 |
jimliangMar 17, 2017
13
用你最熟悉最上手的语言就行了，怎么方便怎么来
|
 |
airylandMar 17, 2017 via iPhone
14
这好像不需要库吧，上 js 咯。
|
 |
hd7771Mar 17, 2017 via Android
15
有个算法叫 ac 自动机满足你的要求
|
 |
16
Nodejs 有个库 cheerio 类似 jQuery 可以快速处理 DOM ，强烈推荐。
|
1 |
17
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。 |
 |
misaka19000Mar 17, 2017 via Android
18
不用 Python 天理不容
|
 |
exoticknightMar 17, 2017
19
python 和 node 都用过
python |
 |
binuxMar 17, 2017
20
jsdom
|
 |
kleshMar 17, 2017 via Android
21
1 ，你的需求 node 能更好地解决
2 ，你更熟悉 node |
 |
jiangzhuoMar 17, 2017
22
node 库没 py 多是怎么回事
|
Select Language