首页 文章

PHP - 删除HTML脚本中<script>和CDATA内的所有内容

提问于
浏览 次
2

我应该删除从通用网站URL的file_get_contents中获取的PHP字符串中的标记之间的所有内容（和标记） . 我正在使用RegEx表达式：

preg_replace('/<script\b[^>]*>(.*?)<\/script>/is', "", $string);

它工作正常，但我的问题是，如果脚本包含CDATA标记，它将无法正常工作 . 字符串的一个例子是：

<script type='text/javascript'>
/* <![CDATA[ */
var variable = {"ajax":"....."}
/* ]]> */
</script>

我猜问题是那些“/ " and " /”标签 .

我已经在google和Stack Overflow上进行了搜索，但对于特定类型的cdata标签（使用/ 和 /）来说，这是毫无疑问的，所以没有任何作用 .

有什么建议吗？

Edit: 正如史蒂夫回答的那样，我现在正在使用这样的代码：

foreach($dom->getElementsByTagName('script') as $scripttag){
$scripttag->parentNode->removeChild($scripttag);
}

然后我有：

foreach($dom->getElementsByTagName('ins') as $string) {
    $string2 .= $string->nodeValue;
    $string2 .= ' ';
}

但是返回带有脚本标签的$ string2 .

EDIT 2 (SOLVED): 在Steve的帮助下，我发现使用Xpath解决了这个问题：

$xpath = new DOMXpath($dom);
foreach ($xpath->query('//script') as $node) {
   $node->parentNode->removeChild($node);
}

这也会删除另一个标记内的脚本标记，例如：

<ins><script>First JS</script></ins>
<ins>Hello</ins>
<script>Second JS</script>

会输出

Hello

谢谢大家的帮助！

php html regex dom domdocument

1 回答

  • 2

    不要使用正则表达式，使用正确的html解析器，如domdocument：

    $dom = new DOMDocument('1.0', 'utf-8');
$dom->loadHTML($html);
//removing elements from a nodelist resets the internal pointer, so traverse backwards:
$elements = $dom->getElementsByTagName('script');
$count = $elements->length;
while(--$count){
    $elements->item($count)->parentNode->removeChild($elements->item($count));
}

//you can do further dom manipulation here if needed
$insertContents='';
foreach($dom->getElementsByTagName('ins') as $insert){
    $insertContents .= $insert->nodeValue . ' ';
}
//if you need the complete html at all:
$html = $dom->saveHTML();
//your desired string:
echo $insertContents;
    回复于

相关问题