PHP 正则表达式删除所有 javascript 异常

Question

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);

我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。

Answer 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> 。

我不是说这是你想要做的。 您可能有非常充分的理由这样做，而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推出您自己的 HTML 清洁剂。

Answer 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。