php - 正则表达式删除任何不是html注释的内容

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