如何从“脚本”元素中删除注释，而不是 HTML 的其余部分？答案

【问题标题】：How do I remove comments from inside a "script" element but not the rest of the HTML?如何从“脚本”元素中删除注释，而不是 HTML 的其余部分？
【发布时间】：2017-07-11 18:44:24
【问题描述】：

如何只针对脚本元素内部的 cmets，而不是所有“双斜线” cmets，例如，这样：

<a href="https://www.example.com">Link to example.com</a>
<script type="text/javascript">
  // I am a comment, I describe this script
  console.log("Hello World!");
</script>

变成这样：

<a href="https://www.example.com">Link to example.com</a>
<script type="text/javascript">
  console.log("Hello World!");
</script>

到目前为止，我有这个：

html = re.sub(re.compile(r"\/\/.*?\n"), "\n", html)

它有效，但它也删除了我的 href 和 src 属性中的链接。

【问题讨论】：

标签： python html regex python-3.x comments

【解决方案1】：

您可以使用 regex 的Negative Lookbehind 完成此操作。所以，下面的代码应该做到这一点：

html = re.sub(re.compile(r"(?<!:)\/\/.*\n"), "\n", html)

见demo

【讨论】：

感谢您的回答，我已经对其进行了一些修改以使(?<![ps]\:)\/\/.*\n 现在可以完美运行。再次感谢 +1。

【解决方案2】：

试试：

comments_match = r"[^:]\/\/.+\r?\n" 
print( re.sub(comments_match, "\n", your_html_string) )

查看关于否定字符类的信息 - http://www.regular-expressions.info/charclass.html

【讨论】：

感谢您抽出宝贵时间回答这个问题，但无论哪种方式，它都无法按照我的需要工作，谢谢 +1。

【解决方案3】：

隔离你的脚本标签：

scripts = bs4_obj.find_all('script')
for script in script:
    # Your regex

【讨论】：

感谢您的帮助，这个答案是有道理的，但不幸的是我没有在这个项目中使用 BeautifulSoup。尽管如此，这是一个很好的答案 +1。