Javascript正则表达式空白是古怪的

Question

我正在尝试编写一个正则表达式，在页面中搜索任何脚本标记并提取脚本内容，并且为了适应任何HTML编写样式，我希望我的正则表达式包含任意数量的空白字符的脚本标记（例如应该找到<script type = blahblah>和<script type=blahblah> 。 我的第一次尝试最终得到了时髦的结果，所以我将问题分解为更简单的问题，并决定只使用像/ \\ s * h \\ s * / g这样的正则表达式来测试和使用。

当在字符串上测试它时，由于某种原因，'h'周围的任意数量的空白将是匹配的，而其他任意量都不会，例如“h”匹配但“h”不匹配。 有谁知道为什么会发生这种情况或我正在犯的错误？

Answer 1

既然你使用的是JavaScript，为什么不能只使用getElementsByTagName('script') ？ 这就是你应该怎么做的。

如果您以某种方式拥有HTML字符串，请创建一个iframe并将HTML转储到其中，然后在其上运行getElementsByTagName('script') 。

Answer 2

好的，为了扩展Kolink的答案，你不需要iframe或事件处理程序：

var temp = document.createElement('div');
temp.innerHTML = otherHtml;
var scripts = temp.getElementsByTagName('script');

...现在脚本是脚本元素的DOM集合 - 脚本不会被执行...

---

为什么正则表达式不是一个很棒的主意：

由于<script>元素可能不包含字符串</script> ，因此编写正则表达式以匹配它们并不困难： </script> /<script[.\\n]+?<\\/script>/gi </script> /<script[.\\n]+?<\\/script>/gi

看起来您只想匹配具有特定类型属性的脚本。 您也可以尝试将其包含在您的模式中：/< /<script[^>]+type\\s*=\\s*(["']?)blahblah\\1[.\\n]*?<\\/script>/gi - 但这太可怕了。（当你在不规则字符串上使用正则表达式时，就会发生这种情况，你需要简化）

因此，您遍历所有基本匹配的脚本，提取起始标记： result.match(/<script[^>]*>/i)[0]并在其中搜索您的类型属性/type\\s*=\\s*((["'])blahblah\\2|\\bblahblah\\b)/.test(startTag) 。哦看 - 它回到可怕 - 简化！

这次通过规范化： startTag = startTag.replace(/\\s*=\\s*/g, '=').replace(/=([^\\s"'>]+)/g, '="$1"') - 现在你处于危险区域，如果=在引用的字符串中怎么办？你能看到它变得越来越复杂吗？

如果您对将要使用它的HTML做出有力的假设（即使其成为常规），那么您只能使用正则表达式进行此工作。 否则你的问题会成长，成长和成长！

• 免责声明：我没有测试任何正则表达式，看看他们是否做了我说他们做的事情，他们只是示例尝试。