正则表达式获取脚本标签的属性和正文答案

【问题标题】：RegEx to get attributes and body of script tags正则表达式获取脚本标签的属性和正文
【发布时间】：2010-12-17 13:25:00
【问题描述】：

我正在使用这个正则表达式来查找

<script (.|\n)*>(.|\n)*?</script>

问题是，它匹配下面的整个字符串，而不仅仅是单独的每个标签：

<script src="crap2.js"></script><script src="crap2.js"></script>

【问题讨论】：

标签： html regex

【解决方案1】：

【讨论】：

这可能是我见过的任何问题的最佳答案！
这更像是一个评论而不是一个答案。
这是一个糟糕的答案。看，我不是在尝试使用正则表达式来解析 XHTML。我正在尝试匹配 string <script ...></script>。这完全在正则表达式的能力范围内。
JamesBrownIsDead，除了您需要注意大小写、空格、HTML cmets、嵌入脚本中的字符串、<pre> 区域...解析 HTML 是一个已解决的问题。
您正在解析 HTML。如果你不是，就不会有

【解决方案2】：

出于这个原因以及其他各种原因，您确实最好使用 DOM 来处理 HTML。

【讨论】：

【解决方案3】：

将您的第一个 * 更改为 *？

这是非贪婪的“全部匹配”，因此它将匹配下一个“>”之前的最小字符集。

【讨论】：

虽然我同意 JS Bangs 的链接，但我很确定这会解决他的问题
如果有人带着钝刀参加枪战，磨刀会解决他的问题吗？
@Svante：是的，只要没有子弹 :)
@TheSean：我猜“子弹”是指包含 '' 的 javascript 字符串之类的东西？基本上，您假设没有项目符号。但是如果你珍惜你的生命：如果你看到枪指着你就跑！

【解决方案4】：

尝试从内容中排除任何“

 <script (.|\n)*>(.|\n|[^<])*?</script>

【讨论】：

即使从技术上讲它不是有效的有效 HTML，人们也经常编写如下代码：<script>if(a < b) { /* code */ }</script>
您并未将< 从带有(.|\n|[^<])*? 的内容中排除。当 < 偶然出现时，将永远不会到达否定字符类，因为 . 元字符已经匹配它。事实上，[^<] 将匹配的唯一字符是 \r（回车符）。

【解决方案5】：

<script[\s\S]*?>[\s\S]*?</script>

这符合最常见的情况，但考虑JS Bangs answer非常很重要。

【讨论】：

【解决方案6】：

I'll keep posting links to my previous answers直到这个问题类型从地球表面消失（希望在10年左右）：不要用于不规则语言（如 html 或 xml）的用户正则表达式。请改用解析器。

【讨论】：

【解决方案7】：

另请参阅本周的 Coding Horror：Parsing Html The Cthulhu Way，其灵感来自 @JS Bangs 链接到的史诗 answer by @bobince。

【讨论】：