从某些生成的 HTML 中删除注释，这些注释可能对嵌套注释无效

Question

我想从一些生成的内容中删除 HTML 条评论。 如果我使用正则表达式/<.--(?*?)-->/ （不喜欢? ）那么它适用于大多数情况，例如这个例子：

<!-- <h1> test </h1> --> not remove <!-- <h1> test 2 </h1> -->

它摆脱了<h1>标签并根据需要保留“不删除”。

但是如果注释是嵌套的，那么它将无法正确处理它，因为它会留下最后一个注释结束标记'-->' 。 解决方法是使用贪心模式，但在这种情况下，它不适用于第一种情况，有多个评论。

嵌套评论的示例（我知道它无效 HTML，但它是生成它的后端）：

text <!-- something <!-- <p> test </p> --> need remove -->

我试图找到解决方案，但我不知道如何解决这个问题。 有谁知道如何处理它？

Answer 1

正如您所提到的，这令人沮丧，因为使用不贪婪的规则可以解决一个案例，而使用贪婪的规则可以解决另一个案例，但您无法同时解决这两个案例。 嗯，你很幸运，因为 PHP 的 PCRE 引擎接受递归:-)！

所以这个问题可以用(?R)的魔力来解决，它的作用有点像“在此处复制并粘贴完整模式”，正如我所理解的那样。

模式将是：/<?--(:?(.?<!--|-->).|(?R))*-->/ /<?--(:?(.?<!--|-->).|(?R))*-->/gs

你可以在这里测试它： https://regex101.com/r/fZK8VP/1

解释：

• <!--匹配字符串“<.--”。

• (?: | )*是一个非捕获组，可以重复多次并有两个选项：

  A）第一个选项：

  • (?!<!--|-->)是一个否定前瞻，如果它后面跟着“<!--”或“-->”，有两个选项表示不匹配。

  • . 匹配任何字符。

  B) 第二个选项：( (?R)是整个模式（递归）。

• -->匹配字符串“-->”。

我使用s模式修饰符作为. 如果您对多行有一些评论，也应该匹配新行。