用于提取脚本标签的正则表达式答案

【问题标题】：Regular Expression for Extracting Script Tags用于提取脚本标签的正则表达式
【发布时间】：2011-01-13 17:19:05
【问题描述】：

我正在尝试用 C# 编写一个正则表达式来删除所有脚本标签以及其中包含的任何内容。

到目前为止，我想出了以下内容：\<([^:]*?:)?script\>[^(\</<([^:]*?:)?script\>)]*?\</script\>，但这不起作用。

我将把它分解并在每个部分中解释我的想法：

\<([^:]*?:)?script\>

在这里我试图声明它应该获取任何脚本元素，即使它以命名空间为前缀，例如 <a:script></a:script>. 我也已将其添加到结束标记中。

[^(\</<([^:]*?:)?script\>)]*?

在这里我试图声明它应该允许标签中包含除</a:script>、</script> 等之外的任何内容。

\</script\>

我在这里声明它应该有一个结束标签。

谁能发现我哪里出错了？

【问题讨论】：

标签： c# regex

【解决方案1】：

这个正则表达式可以很好地解决问题：

\<(?:[^:]+:)?script\>.*?\<\/(?:[^:]+:)?script\>

但请不要这样做

这个简单的 HTML 你会遇到问题：

<script>
var s = "<script></script>";
</script>

你打算如何解决这个问题？对于此类事情，使用HTML Agility Pack 会更聪明。

【讨论】：

为什么我的回答被否决了？他要求一个正则表达式。我提供了一个与他的要求相匹配的脚本标签。他没有要工具，是吗？不，我们的工作是提出更好的替代方案。 那为什么要投反对票？ 让你的答案更高还是什么？
@Robert 可能是因为“你不能用正则表达式解析 HTML”是 StackOverflow 上的主要模因之一，而你的回答表明用正则表达式解析 HTML 是可以的
@Tim Robinson：实际上没有。这就是为什么我快速发布并在几次之后更新了我的答案。有时人们对投票过于仓促。：）没关系。也许我投反对票的答案会更容易说服@TheBoss不使用正则表达式解析 HTML。 ;)
很容易（我认为）忽略（回想起来）在其他元素中包含元素的明显问题。正则表达式将无法处理此问题。
看！这就是使用正则表达式解析 HTML 时发生的情况！你被否决了！

【解决方案2】：

You can't parse HTML with regular expressions.

【讨论】：