使用CMD或JavaScript批量查找和删除部分HTML文件

假设文件夹中有一组text.html文件

我需要处理每个文件并删除特定HTML标记的内容，包括标记本身。处理后必须重写文件

示例：

删除所有

块

删除所有

块，包括内部内容

像

sed-i-e's/Regex//g'*.html这样的正则表达式工具不适合html处理。因此，我正在寻找专注于HTML解析的解决方案，例如基于XPATH的
//script
，
//div[@class=“test class”]

实现此目的的最佳方法是什么？
要使用xmlstarlet编辑当前目录中的所有.html文件：

xmlstarlet edit --inplace --omit-decl --delete '//script' --delete '//div[@class="test-class"]' *.html


请参阅：
xmlstarlet编辑--help

这可能有助于处理损坏的html文件：

xmlstarlet format --recover --html file.html |\
  xmlstarlet edit --omit-decl --delete '//script' --delete '//div[@class="test-class"]' > new.html

我建议使用XML/HTML解析器（xmlstarlet，xmllint…）。如果您的问题包括一个具有简明、可测试的样本输入和预期输出的示例，那么我希望您能得到帮助。谢谢@Cyrus。但是
xmlstarlet
的问题是，它对html格式非常敏感，并且会产生错误，例如
打开和结束标记不匹配
，
找不到开始标记html的结尾
。它没有任何内置的html规范化工具，我也看不到在将html文件传递给xmlstarlet之前如何格式化html文件的简单方法。@AlexDasata在将文件传递给xmlstarlet之前，您可以先通过html Tidy运行这些文件