如何从站点文件的值映射中查找和替换HREF链接中的6位数字，最好使用SED/Python

Question

我需要创建一个BASH脚本，理想情况下使用SED查找hrefURL链接构造中的值列表，并用HTML sit文件替换这些值列表，查找具有给定URL构造的映射（旧值到新值）。有大约25K个站点文件需要浏览，地图上有大约6000个条目需要我搜索。你知道吗

所有新旧值都有6位数字。你知道吗

URL构造为：

一个值：
HREF=".*jsp\?.*N=[0-9]{1,}.*"

值列表：
HREF=".*\.jsp\?.*N=[0-9]{1,}+N=[0-9]{1,}+N=[0-9]{1,}...*"

值列表由+加符号分隔，列表的长度可以是1到n个值。你知道吗

我想忽略这样一个构造：

HREF=".*\.jsp\?.*N=0.*"

即列表只有N=0

实际上，我只对包含文件映射中的一个或多个值的URL感兴趣，这些值前面没有CHANGED——即列表需要更新。你知道吗

请注意：在上面的构造示例中：.*表示任何不是数字的字符；我只对N=之后的值列表中的任何6位值感兴趣；因此我尝试将N=列表与URL构造的其余部分隔离开来，需要注意的是，这个N=列表可以出现在这个URL结构中的任何地方。你知道吗

最初，我想创建一个脚本，该脚本将创建满足上述条件的所有链接的报告，并且地图文件中有一个6位数的旧值及其文件路径，以了解受影响的链接。例如：

Filename    link
filea.jsp   /jsp/search/results.jsp?N=204200+731&Ntx=mode+matchallpartial&Ntk=gensearch&Ntt=
filea.jsp   /jsp/search/BROWSE.jsp?Ntx=mode+matchallpartial&N=213890+217867+731&
fileb.jsp   /jsp/search/results.jsp?N=0+450+207827+213767&Ntx=mode+matchallpartial&Ntk=gensearch&Ntt=

最后，我希望尽可能高效地查找和替换URL构造列表中的所有6位数字，如上所述（我希望速度相当快，因为可能有大约25K个文件，需要查找6K个值，列表中可能有多个值）。你知道吗

**请注意：*在查找和替换时，我遇到的另一个问题是，旧值可能被分配了一个新值，该值已被使用，也可能需要被替换。你知道吗

例如，如果地图文件如下所示：

MAP-FILE.txt
OLD     NEW
214865  218494
214866  217854
214867  214868
214868  218633
...     ...

还有一个HREF链接，例如：

/jsp/search/results.jsp?Ntx=mode+matchallpartial&Ntk=gensearch&N=0+450+214867+214868

214867更改为214868-需要预先标记此值已更改，并且不应替换，否则214867将变为218633，因为所有214868都将更改为218633。希望这是有意义的-然后我需要遍历文件并删除所有用前缀标记的6位数字，这样链接将变成：

/jsp/search/results.jsp?Ntx=mode+matchallpartial&Ntk=gensearch&N=0+450+214868CHANGED+218633CHANGED

除非有更好的方法来管理这些内嵌更改。你知道吗

有人能帮我一下吗？我是一个有这些变化的专家，所以非常感谢你的帮助。你知道吗

非常感谢，
亚历克斯

Answer 1

我将用某种伪代码来编写代码的大纲。我对Python的记忆不太好，无法用Python快速编写代码。你知道吗

首先找到它是什么类型（如果包含N=0，那么类型3，如果包含“+”，那么类型2，否则类型1），然后通过用“+”号分解（PHP函数名）得到包含“N=…”的字符串列表。你知道吗

第一个循环在链接上。第二个循环用于每个N=数字。第三个循环在map文件中查找替换值。在所有循环之前将映射文件的数据加载到一个变量。文件读取是编程中最慢的操作。 替换第三个循环中的值，然后在返回第一个循环时将新字符串列表内爆（PHP函数）到新链接。你知道吗

可能你有几个文件的链接，然后你需要另一个循环的文件。你知道吗

当处理重复的代码时，你需要一段时间的循环，直到找到备用号码。您需要保存列表中已经使用的号码。你知道吗