PHP正则表达式删除所有javascript异常答案

【问题标题】：PHP regular expression to remove all javascript with exceptionPHP正则表达式删除所有javascript异常
【发布时间】：2011-09-30 21:04:06
【问题描述】：

我正在寻找一种从 html 字符串中删除所有 JavaScripts 标签的方法。

以下正则表达式工作正常，但我想添加一个例外：

$html = preg_replace('#<script[^>]*>.*?</script>#is', '', $html);

如何添加一个规则以使 text/html 类型的脚本被忽略？

<script type="text/html" ... > ... </script>

有什么建议吗？

提前致谢。

【问题讨论】：

使用 HTML 解析器代替正则表达式：php.net/manual/en/book.dom.php
酷，这就是我正在做的事情。目前使用 Zend_Dom_Query。你知道 xpath 的选择器是什么样子的吗？
不允许preg_replace 在正则表达式上指定e 标志，以便将替换字符串视为代码。您不能将其与查找type="text/html" 的替换表达式一起使用，如果它存在则返回整个脚本标记，否则返回空白。

【解决方案1】：

您可能不会尝试清理不受信任的 HTML，但只是为了让这个问题的读者不要误会：

这不会删除<script>元素之外的javascript：<img src=bogus onerror=alert(42)>。

它不会删除几乎没有混淆的脚本：<script>alert(42)</script >。

它将无效内容转换为脚本：<scrip<script></script>t>alert(42)</script>.

我并不是说这就是你想要做的。您可能有充分的理由这样做，但与不受信任的输入无关，但是，对于以后的读者，不要尝试仅使用正则表达式来滚动您自己的 HTML 清理程序。

【讨论】：

【解决方案2】：

使用不会落入 Mike 指针的贪婪匹配，如下所示：

$html = preg_replace('#<script.*</script>#is', '', $html);

这应该（贪婪地）匹配所有脚本标签。至于例外，我不知道该怎么做，对不起。

【讨论】：