javascript - regexp - regular expression:

/（？:(？！</ s \ w）<[^ <] ） </ s \ w * / gi; - 刪除任何組合中的任何序列

以下是各種shell腳本，您可以使用它們去除不同的元素。

# doctype
find . -regex ".*\.\(html\|py\)$" -type f -exec sed -i "s/<\!DOCTYPE\s\+html[^>]*>/<\!DOCTYPE html>/gi" {} \;

# meta charset
find . -regex ".*\.\(html\|py\)$" -type f -exec sed -i "s/<meta[^>]*content=[\"'][^\"']*utf-8[\"'][^>]*>/<meta charset=\"utf-8\">/gi" {} \;

# script text/javascript
find . -regex ".*\.\(html\|py\)$" -type f -exec sed -i "s/\(<script[^>]*\)\(\stype=[\"']text\/javascript[\"']\)\(\s\?[^>]*>\)/\1\3/gi" {} \;

# style text/css
find . -regex ".*\.\(html\|py\)$" -type f -exec sed -i "s/\(<style[^>]*\)\(\stype=[\"']text\/css[\"']\)\(\s\?[^>]*>\)/\1\3/gi" {} \;

# html xmlns
find . -regex ".*\.\(html\|py\)$" -type f -exec sed -i "s/\(<html[^>]*\)\(\sxmlns=[\"'][^\"']*[\"']\)\(\s\?[^>]*>\)/\1\3/gi" {} \;

# html xml:lang
find . -regex ".*\.\(html\|py\)$" -type f -exec sed -i "s/\(<html[^>]*\)\(\sxml:lang=[\"'][^\"']*[\"']\)\(\s\?[^>]*>\)/\1\3/gi" {} \;

嘗試使用正則表達式刪除HTML標記是有問題的。 你不知道腳本或屬性值是什麼。 一種方法是將其作為div的innerHTML插入，刪除任何腳本元素並返回innerHTML，例如

  function stripScripts(s) {
    var div = document.createElement('div');
    div.innerHTML = s;
    var scripts = div.getElementsByTagName('script');
    var i = scripts.length;
    while (i--) {
      scripts[i].parentNode.removeChild(scripts[i]);
    }
    return div.innerHTML;
  }

alert(
 stripScripts('<span><script type="text/javascript">alert(\'foo\');<\/script><\/span>')
);

請注意，目前，如果使用innerHTML屬性插入，瀏覽器將不會執行腳本，並且可能永遠不會特別是因為元素未添加到文檔中。

嘗試這個：

var text = text.replace(/<script[^>]*>(?:(?!<\/script>)[^])*<\/script>/g, "")

在某些情況下，jQuery使用正則表達式刪除腳本標記，我很確定它的開發人員有這麼好的理由。 可能有些瀏覽器在使用innerHTML插入腳本時會執行腳本。

這是正則表達式：

/<script\b[^<]*(?:(?!<\/script>)<[^<]*)*<\/script>/gi

在人們開始哭泣之前“但HTML的正則表達是邪惡的”： 是的，它們是 - 但對於腳本標籤，由於特殊行為它們是安全的 - <script>部分可能根本不包含</script> ，除非它應該結束在這個位置。 因此很容易將它與正則表達式匹配。 但是，從快速查看，上面的正則表達式不會考慮結束標記內的尾隨空格，因此您必須測試</script等是否仍然有效。

如果要從某些HTML文本中刪除所有JavaScript代碼，則刪除<script>標記是不夠的，因為JavaScript仍然可以存在於“onclick”，“onerror”，“href”和其他屬性中。

試試這個處理所有這些的npm模塊： https://www.npmjs.com/package/strip-js ： https://www.npmjs.com/package/strip-js

每當你不得不求助於基於Regex的腳本標記清理時。 至少在結尾標記中添加一個空格

</script\s*>

否則就像是

<script>alert(666)</script   >

標記名有效後，因為尾隨空格會保留。

為什麼不使用jQuery.parseHTML（） http://api.jquery.com/jquery.parsehtml/ ？