如何使用 UNIX 从多个文件中删除所有 <script> 标签（以及介于两者之间的所有标签）？答案

【问题标题】：How would I remove all <script> tags (and everything in between) from multiple files using UNIX?如何使用 UNIX 从多个文件中删除所有 <script> 标签（以及介于两者之间的所有标签）？
【发布时间】：2011-01-21 16:46:56
【问题描述】：

我有一个包含多个文件的文件夹，我想删除所有 <script> 标签以及介于两者之间的所有内容，例如：

这个：

<script type="text/javascript">function(foo);</script>

还有这个：

<script type="text/javascript" src="scripts.js"></script>

我认为在 PHP 中应该是这样的：

<?php $string = preg_replace('#(\n?<script[^>]*?>.*?</script[^>]*?>)|(\n?<script[^>]*?/>)#is', '', $string); ?>

但我对 UNIX 不知所措。

【问题讨论】：

您只是想删除脚本标签，还是删除文档中的所有 JavaScript？仅删除脚本标签仍然会留下很多脚本可以运行的方式；你可以在这里看到一堆：ha.ckers.org/xss.html
在这种特殊情况下，所有的 JavaScript 都在标签之间。

标签： regex perl unix

【解决方案1】：

例如傻瓜

$ cat file
blah
<script type="text/javascript">function(foo);</script>
<script type="text/javascript" src="scripts.js"></script>
blah
<script type="text/javascript"
    src="script1.js">
</script>
end

$ awk 'BEGIN{RS="</script>"}/<script/{gsub("<script.*","")}{print}END{if(RS=="")print}' file
blah




blah


end

所以在 for 循环中运行它来检查你的文件（例如 html）

for file in *.html
do
  awk 'BEGIN{RS="</script>"}/<script/{gsub("<script.*","")}{print}END{if(RS=="")print}' $file >temp
  mv temp $file
done

你也可以用 Perl 来做，

perl -i.bak -0777ne 's|<script.*?</script>||gms;print' *.html

【讨论】：

我选择了 perl 路线，在我想要完成的任务中，它运行良好。谢谢！

【解决方案2】：

您有机会获得此权利的唯一方法是将文件（我假设它是一个 HTML 文件）加载到 HTML/XML 解析器中并以这种方式删除脚本节点。任何其他方式都可能与包含“

<script>
    document.write('</script>');
</script>

【讨论】：

实际上，浏览器 DOM 解析器会以与正则表达式相同的方式解释这一点——第一个作为脚本节点的实际结尾。但是在 HTML 上使用正则表达式仍然是一个坏主意。 codinghorror.com/blog/2009/11/parsing-html-the-cthulhu-way.html
@Annie，公平点，当我写这个的时候，我已经半醒了，但是是的，“不要在 HTML 上使用正则表达式”这一点仍然存在 :)

【解决方案3】：

我会使用 HTML::TreeBuilder 之类的东西，并在我遍历树时删除所有 SCRIPT 节点：

#!/usr/local/perls/perl-5.10.1/bin/perl

use 5.010;

use HTML::TreeBuilder;

my $html = HTML::TreeBuilder->new;
my $root = $html->parse_file( *DATA );

my @queue = ( $root->elementify );

while( my $element = shift @queue )
    {
    foreach ( $element->content_list )
        {
        when ( ! ref ) { 1 }
        when ( $_->tag eq 'script' )
            {
            $_->delete;
            }
        default
            {
            push @queue, $_
            }
        }
    }

print $html->as_HTML;

__END__
<html>
<head>
    <title>This is a title</title>
    <script>
    code section 1
    </script>
</head>

<body>
<h1>This is a heading</h1>
    <script>
    code section 2
    </script>

<div>
    <script>
    code section 
    </script>
</div>

</body>
</html>

【讨论】：

【解决方案4】：

您可以使用 perl 替换许多文件中的字符串。

perl -pi -w -e 's/search/replace/g;' *.html

-e means execute the following line of code.
-i means edit in-place
-w write warnings
-p loop

你必须想出你的正则表达式。（你拥有的应该可以工作。）

【讨论】：

提问者还希望定位以及介于两者之间的所有内容。
嗯，是的，不纠正转义字符，

【解决方案5】：

你可以从命令行运行 PHP，或者很容易地将该行翻译成 perl（“preg_replace”中的“p”）。您可以使用 sed 做类似的事情，但正则表达式没有那么灵活。正则表达式可能不够好，也可能不够好，具体取决于您的输入来自哪里以及您的目标是什么。

【讨论】：