我知道使用正则表达式来解析html通常不是启动器,但我不想要任何聪明的东西...
以这个例子
<div><!--<b>Test</b>-->Test</div>
<div><!--<b>Test2</b>-->Test2</div>
我想剔除
<!--
和-->
之间的所有内容以获得:<b>Test</b><b>Test2</b>
保证标签正确匹配(没有未封闭/嵌套的注释)。
我需要使用什么正则表达式?
最佳答案
替换模式:
(?s)((?!-->).)*<!--|-->((?!<!--).)*
用空字符串。
简短说明:
(?s) # enable DOT-ALL
((?!-->).)*<!-- # match anything except '-->' ending with '<!--'
| # OR
-->((?!<!--).)* # match '-->' followed by anything except '<!--'
使用正则表达式处理(X)HTML时要小心。每当注释的一部分出现在标签属性或CDATA块中时,事情就会出错。
编辑
看到最活跃的标签是JavaScript,这是一个JS演示:
print(
"<div><!--<b>Test</b>-->Test</div>\n<div><!--<b>Test2</b>-->Test2</div>"
.replace(
/((?!-->)[\s\S])*<!--|-->((?!<!--)[\s\S])*/g,
""
)
);
打印:
<b>Test</b><b>Test2</b>
请注意,由于JS不支持
(?s)
标志,因此我使用了等效的[\s\S]
,它匹配任何字符(包括换行符)。在此处在Ideone上进行测试:http://ideone.com/6yQaK
编辑二
一个PHP演示看起来像:
<?php
$s = "<div><!--<b>Test</b>-->Test</div>\n<div><!--<b>Test2</b>-->Test2</div>";
echo preg_replace('/(?s)((?!-->).)*<!--|-->((?!<!--).)*/', '', $s);
?>
还会打印:
<b>Test</b><b>Test2</b>
在Ideone上可以看到:http://ideone.com/Bm2uJ