合并两个文本文件的最简单脚本方法 - Ruby、Python、JavaScript、Java？

Question

我有两个文本文件，一个是包含HTML内容的，另一个是包含网址简写的：

文件 1 (HTML)：

<li><a href="/article/"><button class="showarticle"/><span class="author">Thomas Friedman</span> - <span class="title">The World Is Flat</span></a></li>
<li><a href="/article/"><button class="showarticle"/><span class="author">Michael Dagleish</span> - <span class="title">Scotland In Wartime</span></a></li>
<li><a href="/article/"><button class="showarticle"/><span class="author">Dr. Raymond Kinsella</span> - <span class="title">Progress In Cancer Treatments</span></a></li>
...

文件 2 (网址简写)：

thomas-friedman-the-world-is-flat
michael-dagleish-scotland-in-wartime
dr-raymond-kinsella-progress-in-cancer-treatments
...

我需要把这两个文件合并，也就是把文件 2 中的简写插入到文件 1 的HTML里，像这样：

输出：

<li><a href="/article/thomas-friedman-the-world-is-flat"><button class="showarticle"/><span class="author">Thomas Friedman</span> - <span class="title">The World Is Flat</span></a></li>
<li><a href="/article/michael-dagleish-scotland-in-wartime"><button class="showarticle"/><span class="author">Michael Dagleish</span> - <span class="title">Scotland In Wartime</span></a></li>
<li><a href="/article/dr-raymond-kinsella-progress-in-cancer-treatments"><button class="showarticle"/><span class="author">Dr. Raymond Kinsella</span> - <span class="title">Progress In Cancer Treatments</span></a></li>

请问有什么好的方法，使用哪种编程语言最简单，能完成这个任务呢？

Answer 1

这是一个 Ruby 的一行代码：

File.open("joined.txt","w") { |f| f.puts ['file1.txt', 'file2.txt'].map{ |s| IO.read(s) }}

Answer 2

这在任何编程语言中都很简单。下面是伪Python代码；我省略了lxml的部分，因为我没有访问权限，也记不太清楚语法。不过这些也不难。

with open(...) as htmls, open(...) as slugs, open(...) as output:
    for html, slug in zip(htmls, slugs):
        root = lxml.etree.fromstring(html)
        # do some fiddling with lxml to get the name

        slug = slug.split("-")[(len(name.split()):]
        # add in the extra child in lxml

        output.write(root.tostring())

有趣的特点：

• 这个方法不会一次性读取整个文件，而是分块读取（实际上是逐行读取，但Python会进行缓存）。如果文件很大，这样做很有用，不过如果文件不大，这个特点可能就没什么意义了。

• 根据HTML字符串的格式是否严格，lxml可能有点过于复杂。如果你能保证这些字符串都是一样的，并且格式都很好，使用简单的字符串操作可能会更简单。另一方面，lxml速度很快，而且提供了更多的灵活性。

Answer 3

你需要一个叫做zip的功能，这个功能在大多数编程语言中都有。它的作用是同时处理两个或更多的数组。
在Ruby语言中，它的用法大概是这样的：

f1 = File.readlines('file1.txt')
f2 = File.readlines('file2.txt')

File.open('file3.txt','w') do |output_file|

    f1.zip(f2) do |a,b|
        output_file.puts a.sub('/article/','/article/'+b)
    end

end

如果你想同时处理超过两个数组，可以这样写：f1.zip(f2,f3,...) do |a,b,c,...|