正则表达式以匹配python中的不同脚本标签

Question

我需要匹配不同的脚本标签，例如这样

 <script src="//ajax.googleapis.com/ajax/libs/jquery/1.11.1/jquery.min.js"></script>
 <script type="text/javascript">
 jQuery(document).ready(function()
 {
    jQuery("#gift_cards").tooltip({ effect: \'slide\'});
 });
 </script>
 <script>dasdfsfsdf</script>

我也只需要获取标签和创建正则表达式的组中的src内容

(<\s*?script[\s\S]*?(?:src=['"](\S+?)['"])?\B[\S\s]*?>)([\s\S]*?)(</script>)

这与最后一个脚本标签不匹配

它出什么问题了？

编辑：删除\\ B确实匹配所有脚本标签，但是后来我没有在单独的组中获得src属性的内容。 我需要做的是从两个类别的脚本标签组中

1. 一个带有src属性的脚本，该脚本具有实际脚本的路径
2. 第二个没有src属性的普通内联javascript

我需要删除脚本的打开和关闭标签，但将内容保留在标签内如果是第一种类型，我仍然需要删除标签，但将路径保存在单独的表中，希望可以进一步阐明它

Answer 1

正如iCodez的链接很有趣地显示的那样，正则表达式不应该解析HTML，因为HTML不是一种常规语言。 而是尝试使用诸如BeautifulSoup的解析器。 确保还安装了lxml和html5lib以获得最佳性能并访问所有功能。

pip install lxml html5lib beautifulsoup4

应该可以。

Answer 2

如果我同意不使用RegExp解析HTML的所有评论，并且还提供了我自己确信自己将处理的文档足够常规的情况，那么我自己可以沉迷于这种邪恶的做法，请尝试删除\\B ，在我的测试中匹配所有三个脚本。

顺便说一下，这个“无边界”是什么意思？ 我不确定我理解您为什么插入它。 如果出于某种原因有必要我不明白，请告诉我，我们将尝试寻找另一种方法。

编辑：为了保留src内容，请尝试

(<\s*?script[\s\S]*?(?:(?:src=[\'"](.*?)[\'"])(?:[\S\s]*?))?>)([\s\S]*?)(</scrip‌​t>)

这对我有用，请对照您的其他样本。 考虑您的first [\\s\\S]*? 在没有“ src”属性时已经匹配了所有内容，直到>为止，因此第二个条件只有在“ src”存在并且您要匹配其他可能的属性时才有意义。

Answer 3

对于傻笑，这是我完全偶然发现的一种超简单方式（作为js字符串，该字符串将被馈送到RegExp构造函数中：

'src =（= | =“）'+ yourPathHere +'[^ <] <\\ / script>'

yourPathHere的正斜杠已转义； 因此，作为纯RE，类似：

/src=(=|=")/scripts/someFolder/script.js[^<]</script>/

在尝试找出gulp流时，我在gulp任务中使用的::]