正则表达式删除条件注释
[英]Regex to remove conditional comments
问题描述
我想要一个可以匹配HTML源页面中的条件注释的正则表达式，所以我只能删除那些。 我想保留常规评论。
我也想避免使用。*？ 符号如果可能的话。
文字是
foo
<!--[if IE]>
<style type="text/css">
ul.menu ul li{
font-size: 10px;
font-weight:normal;
padding-top:0px;
}
</style>
<![endif]-->
bar
我想删除<!--[if IE]>和<![endif]-->
编辑：这是因为BeautifulSoup我想删除这些标签。 BeautifulSoup无法解析并提供不完整的来源
EDIT2： [如果IE]不是唯一的条件。 还有更多，我没有任何可能的组合列表。
EDIT3： Vinko Vrsalovic的解决方案有效，但是为什么beautifulsoup失败的实际问题是由于条件评论中的流氓评论。 喜欢
<!--[if lt IE 7.]>
<script defer type="text/javascript" src="pngfix_253168.js"></script><!--png fix for IE-->
<![endif]-->
请注意<!--png fix for IE-->的<!--png fix for IE-->评论？
虽然我的问题已经解决了，但我希望得到一个正则表达式的解决方案。
7 个解决方案
解决方案1
5 2008-09-25 10:34:45
>>> from BeautifulSoup import BeautifulSoup, Comment
>>> html = '<html><!--[if IE]> bloo blee<![endif]--></html>'
>>> soup = BeautifulSoup(html)
>>> comments = soup.findAll(text=lambda text:isinstance(text, Comment)
and text.find('if') != -1) #This is one line, of course
>>> [comment.extract() for comment in comments]
[u'[if IE]> bloo blee<![endif]']
>>> print soup.prettify()
<html>
</html>
>>>
python 3与bf4：
from bs4 import BeautifulSoup, Comment
html = '<html><!--[if IE]> bloo blee<![endif]--></html>'
soup = BeautifulSoup(html, "html.parser")
comments = soup.findAll(text=lambda text:isinstance(text, Comment)
and text.find('if') != -1) #This is one line, of course
[comment.extract() for comment in comments]
[u'[if IE]> bloo blee<![endif]']
print (soup.prettify())
如果您的数据与BeautifulSoup混淆，您可以事先修复它或自定义解析器，以及其他解决方案。
编辑：根据您的评论，您只需根据需要修改传递给findAll的lambda（我修改了它）
解决方案2
2 2008-09-25 10:46:16
这是你需要的：
<!(|--)\[[^\]]+\]>.+?<!\[endif\](|--)>
它将过滤掉各种条件评论，包括：
<!--[if anything]>
...
<[endif]-->
和
<![if ! IE 6]>
...
<![endif]>
EDIT3 ：Vinko Vrsalovic的解决方案有效，但是为什么beautifulsoup失败的实际问题是由于条件评论中的流氓评论。 喜欢
请注意评论？
虽然我的问题已经解决了，但我希望得到一个正则表达式的解决方案。
这个怎么样：
(<!(|--)\[[^\]]+\]>.*?)(<!--.+?-->)(.*?<!\[endif\](|--)>)
替换正则表达式，将\\ 1 \\ 4（或$ 1 $ 4）作为替换。
我知道它有。*？ 和。+？ 在其中，请看我对这篇文章的评论。
解决方案3
2 2008-09-26 04:51:12
在我看来，你只需要担心下层隐藏的注释（以<!--开头的注释），你不需要匹配单词if和它后面的空格。 这应该做你想要的：
"<!--\[if\s(?:[^<]+|<(?!!\[endif\]-->))*<!\[endif\]-->"
中间的混乱是为了满足你不使用的愿望.*? ，但我认为这不值得努力。 .*? 如果您使用Re.S标志集编译正则表达式或将其包装在(?s:...)方法应该可以正常工作。 例如：
"(?s:<!--\[if\s.*?<!\[endif\]-->)"
解决方案4
1 2008-09-25 10:31:59
@Benoit
小修正（多线打开）：
"<!--\[if IE\]>.*?<!\[endif\]-->"
解决方案5
1 2008-09-25 20:42:26
我只想跟：
import re
html = """fjlk<wb>dsqfjqdsmlkf fdsijfmldsqjfl fjdslmfkqsjf<---- fdjslmjkqfs---><!--[if lt IE 7.]>\
<script defer type="text/javascript" src="pngfix_253168.js"></script><!--png fix for IE-->\
<![endif]-->fjlk<wb>dsqfjqdsmlkf fdsijfmldsqjfl fjdslmfkqsjf<---- fdjslmjkqfs--->"""
# here the black magic occurs (whithout '.')
clean_html = ''.join(re.split(r'<!--\[[^¤]+?endif]-->', html))
print clean_html
'fjlk<wb>dsqfjqdsmlkf fdsijfmldsqjfl fjdslmfkqsjf<---- fdjslmjkqfs--->fjlk<wb>dsqfjqdsmlkf fdsijfmldsqjfl fjdslmfkqsjf<---- fdjslmjkqfs--->'
注意：[^¤]将匹配任何不是'¤'的字符。 这非常有用，因为它快速闪电，这个字符可以在任何键盘上找到。 但诀窍是它很难输入（没有人会错误地输入它）并且没有人使用它：它是一个通用的货币设计字符。
但是，如果您不想使用¤，则可以使用chr（7）生成“系统铃”字符，这是不可打印的，无法在网页中找到;-)
解决方案6
0 2008-09-25 10:27:06
不要使用正则表达式。 您会对包含开始标记的评论感到困惑，哪些不是，并做错了。 HTML不常规，尝试使用单个正则表达式修改它将失败。
为此使用HTML解析器。 BeautifulSoup是一个优秀，简单，灵活和坚固的，能够处理真实世界（意味着无可救药地破坏）的HTML。 有了它，你可以查找所有注释节点，检查其内容（你可以使用正则表达式为 ，如果你愿意的话），如果他们需要被删除删除它们。
解决方案7
0 2008-09-25 10:32:39
这适用于Visual Studio 2005，其中没有行间距选项：
\\<!--\\[if IE\\]\\>{.|\\n}*\\<!\\[endif\\]--\\>
python 正则表达式删除评论
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.