使用 REGEX/PHP 删除标签和内容

Question

我已经在 stackoverflow 上看到过这个问题被问了几次，但没有一个非常棒的答案。 答案似乎总是“不要使用正则表达式”，没有任何示例更好的选择。

出于我的目的，这不是为了验证，而是在事实剥离之后。

我需要删除所有script 标签，包括它们之间可能存在的任何内容。

对执行此操作的最佳 REGEX 方式有何建议？

编辑：抢先响应：我不能使用 HTML Purifier 也不能使用 PHP 的 DOMXPath 功能。

Answer 1

HTML 的 REGEX 之所以被认为是邪恶的，是因为它（通常）很容易被破坏，迫使您反复重新考虑您的模式。例如，如果您正在匹配

<script>.+</script>

它很容易被破坏

<script type="text/javascript">

如果你使用

<script.+/script>

也可以轻松破解

< script>...

这没有尽头。如果您不能使用您所说的任何方法，您可以尝试strip_tags，但它需要 whitelist 作为参数，而不是黑名单，这意味着您需要手动允许你想允许的每一个标签。

如果一切都失败了，你可以求助于 RegEx，我想出的是这个

<\s*script.*/script>

但我敢打赌，附近的人也可能会来破坏它。