Linux下如何按顺序合并多个HTML文件：cat命令实战指南


阅读 2 次

场景描述

在Linux环境下处理Gutenberg项目中的欧几里得几何文档时，我们经常会遇到这样的文件结构：

me@computer:~/gutenberg/euclid$ ls
book01.html  book04.html  book07.html
book10.html  book13.html  book02.html
book05.html  book08.html  book11.html
book03.html  book06.html  book09.html
book12.html

核心解决方案

使用cat命令配合通配符是最简单直接的方法：

cat book{01..13}.html > complete.html

进阶处理技巧

如果需要处理不规则编号的文件，可以先排序再合并：

ls book*.html | sort -V | xargs cat > complete.html

添加HTML文档结构完整性处理：

echo "<!DOCTYPE html><html><head><title>Complete Works</title></head><body>" > complete.html
cat book*.html >> complete.html
echo "</body></html>" >> complete.html

Python脚本方案

对于更复杂的处理需求，可以使用Python脚本：

import glob

files = sorted(glob.glob("book*.html"), key=lambda x: int(x[4:-5]))
with open("complete.html", "w") as outfile:
    outfile.write("<html><head><title>Merged Document</title></head><body>\n")
    for filename in files:
        with open(filename) as infile:
            outfile.write(infile.read())
    outfile.write("</body></html>")

注意事项

  • 确保文件编码一致（建议UTF-8）
  • 合并前检查各HTML文件的完整性
  • 大文件处理时注意内存使用
  • 保留原始文件备份

性能优化

处理超大文件集合时，可以使用find命令提高效率：

find . -name "book*.html" -print0 | sort -z -V | xargs -0 cat > complete.html