sed脚本：清理挂马htm、html文件
声明：本脚本只针对尾部被篡改的htm、html文件,以下几种：
a
[root@CHM-DD-00-E5-07 sndapk]# cat -A problem.html <html>^M$ <body>^M$ <h1>It works !</h1>^M$ </body>^M$ </html>^M$ <div style="position:absolute;left:expression(386-4635);top:expression(528-9313);">^M$ <a href="http://www.fuckit.com/">Chanel handbags</a>[root@CHM-DD-00-E5-07 sndapk]#
b
<html>^M$ <body>^M$ <h1>It works !</h1>^M$ </body>^M$ </html><div style="position:absolute;left:expression(386-4635);top:expression(528-9313);">^M$ <a href="http://www.fuckit.com/">Chanel handbags</a>[root@CHM-DD-00-E5-07 sndapk]#
c
<html>^M$ <body>^M$ <h1>It works !</h1></body></html><div style="position:absolute;left:expression(386-4635);top:expression(528-9313);">^M$ <a href="http://www.fuckit.com/">Chanel handbags</a>[root@CHM-DD-00-E5-07 sndapk]#
注：下面是恶意添加的内容
<div style="position:absolute;left:expression(386-4635);top:expression(528-9313);">^M$
<a href="http://www.fuckit.com/">Chanel handbags</a>
清理：
1、使用sed脚本清理单个htm、html文件
#vim callby_htmlclean.sed
#!/bin/sed -f
#本脚本除了可以配合循环语句批量处理htm、html文件外，还可直接指定要处理的htm、html文件，注意一次只能指定一个，如下：
#./callby_htmlclean.sed -ni index.html
:nothtmlend
/<\/html>/! {
1{
#处理第一行时拷贝到保持空间，用于最后防止首行空行。
h
n
#读取下一行，继续匹配</html>。
b nothtmlend
}
1!{
#非首行全部追加到保持空间。
H
n
#读取下一行，继续匹配</html>。
b nothtmlend
}
}
#执行到这里已经找到</html>，被篡改前的内容结尾。
:findhtmlend
#收集剩余的所有行到模式空间
$!{
N
b findhtmlend
}
s/[\n\t ]//g
#替换完制表符、换行符、空格后，正常html文件应该以</html>结尾。
/<\/html>$/{
H
x
p
}
#</html>末尾被篡改的处理。
/<\/html>$/!{
#替换当前模式空间内容为</html>
s:\(<\/html>\).*:\1:
H
#还原html正常内容到模式空间
x
p
}
运行方法：
1、添加执行权限
2、./callby_htmlclean.sed -ni problem.html
清理后的html文件如下：
[root@CHM-DD-00-E5-07 sndapk]# cat -A problem.html <html>^M$ <body>^M$ <h1>It works !</h1>^M$ </body>^M$ </html>[root@CHM-DD-00-E5-07 sndapk]#
注：
1、相比手动vim清理后的内容，结尾缺少"^M"，不过没有影响。
2、该脚本比较繁琐，但经测试该脚本可以处理在</html>后同行、换行、多行等多种篡改后的格式。不影响线上正常运行、不产生临时文件。
2、shell脚本调用上面的sed脚本批量清理htm、html文件
#vim htmlclean.sh
#!/bin/bash IFS=' ' PATH=/bin:/usr/bin:/sbin:/usr/sbin export IFS PATH #要调用的sed脚本必须和当前程序在同一目录下。如果sed脚本名修改，需要同时修改这里。 sed_script="$(dirname "$0")/callby_htmlclean.sed" if [ ! -f "$sed_script" ];then echo "ERROR: sed script \"$sed_script\" not found!" exit 1 fi if [ $# -ne 1 ];then echo "Usage: $0 [full_path | listfile]" #如果指定了目录（相对或绝对路径），会把该目录及子目录下所有以.htm或.html结尾的文件处理一遍。 echo "Example 1: $0 /web/bbs/static/" #指定列表文件（相对或绝对路径），文件中每行一个文件同样要求是绝对路径。 echo "Example 2: $0 /tmp/problem_html_list.txt" exit 1 fi if [ -d "$1" ];then html_list="$(find "$1" -type f -regex '.*\.html?$')" elif [ -f "$1" ];then html_list="$(sed '' "$1")" else echo "ERROR: invalid path or listfile." exit 1 fi while read html_f do if [[ "$html_f" =~ \.html?$ ]];then if [ -f "$html_f" ];then sed -f "$sed_script" -n -i "$html_f" else echo "ERROR: \"$html_f\" is not exsist." fi else echo "ERROR: \"$html_f\" is not a valid html file." fi done < <(echo "$html_list")
运行方法：
1、递归清理指定目录中的html文件（htm或html后缀），相对或绝对路径都可以。
#./htmlclean.sh /www/bbs
#bash htmlclean.sh dirname
2、清理列表文件中的html文件（htm或html后缀），相对或绝对路径都可以。
#./htmlclean.sh /tmp/htmllist.txt
#bash htmlclean.sh htmllist.txt
htmllist.txt中的内容应该使用以下格式
cat /tmp/htmllist.txt
/www/bbs/1.html /www/bbs/2.htm
注：
1、该脚本运行时需要保证和sed脚本在同一目录下。
2、该脚本只输出错误信息，添加计划任务时，记录日志需要自己指定，如：2>>/var/log/htmlclean.err >&2
3、执行时不能使用"sh 脚本名"执行，因为脚本中使用了进程替换。