不包含某些属性的脚本标签上的正则表达式匹配答案

【问题标题】：Regex match on script tags that DO NOT contain certain attributes不包含某些属性的脚本标签上的正则表达式匹配
【发布时间】：2019-12-06 22:48:04
【问题描述】：

我正在努力为 html 扫描构建正则表达式。正则表达式应匹配不包含任何一个 async 或 defer 属性的任何<script> html 元素。

单元测试：

<script defer src="a.js"> 应该 not match
<script src="a.js" defer> 应该 not match
<script src="a.js"> 应该 match
<script async src="a.js">应该not match
<script src="a.js" async> 应该 not match

我已经摆弄了一个解决方案，用于在单个属性上设置它（分别为^.*<script((?!defer).)*$ 和 ^.*<script((?!async).)*$），并且我还创建了一个匹配的 html 元素 /em> 包含任一属性 (<script.+(?=defer|async).+>) 但我无法反过来理解它。

有什么想法吗？

【问题讨论】：

我强烈建议您使用适当的 HTML 解析器。您正在尝试做的事情充满危险，因为有很多情况您没有考虑，并且正则表达式不是适合这项工作的工具。有关示例，请参阅htmlparsing.com/regexes.html。
嗨@AndyLester - 我绑定到一个特定的html扫描工具，只允许规则生成器中的正则表达式。好消息是它只标记匹配项，稍后由编辑器/编码器处理。感谢您提供的链接，我已经转交给管理我们正在使用的工具的同事。

标签： regex

【解决方案1】：

您的实验非常接近！

尝试以下正则表达式，并通过您的示例 here 以及其他一些可能出现的用例进行演示，例如 <script test defer src="a.js"> 或 <script test src>。

<script(?:(?!defer|async).)*?>

说明

<script - < 字符后跟单词 script
(?:(?!defer|async).)*? - 对单词 defer 或 async 后跟单个字符的负前瞻，尽可能匹配多次，但更喜欢更少的匹配项（即匹配单个字符前面没有单词 defer 或 async，尽可能匹配多次，但希望更少匹配）
> - > 字符

测试

|--------------------------------|-----------|
| Use case                       | Matches   |
|--------------------------------|-----------|
| <script defer src="a.js">      | NO        |
| <script async src="a.js">      | NO        | 
| <script src="a.js">            | YES       |
| <script test src="a.js">       | YES       |
| <script test async src="a.js"> | NO        |
| <script src="a.js" defer>      | NO        |
| <script src="a.js" async>      | NO        |
| <script test src>              | YES       |
|--------------------------------|-----------|

【讨论】：

嗨@NoodleOfDeath - 谢谢。它解决了它，但我很确定我自己永远也想不通 :-) regex101.com/r/vMm7TD/1 用于未来的单元测试参考。
我更新了我的答案（通过在* 之后添加懒惰的?）来解决像<script src="a.js"><script test src="a.js"> 这样的同一行情况，这应该导致两个匹配而不是一个，如您所见@987654323 @