Javascript正則表達式空白是古怪的

Question

我正在嘗試編寫一個正則表達式，在頁面中搜索任何腳本標記並提取腳本內容，並且為了適應任何HTML編寫樣式，我希望我的正則表達式包含任意數量的空白字符的腳本標記（例如應該找到<script type = blahblah>和<script type=blahblah> 。 我的第一次嘗試最終得到了時髦的結果，所以我將問題分解為更簡單的問題，並決定只使用像/ \\ s * h \\ s * / g這樣的正則表達式來測試和使用。

當在字符串上測試它時，由於某種原因，'h'周圍的任意數量的空白將是匹配的，而其他任意量都不會，例如“h”匹配但“h”不匹配。 有誰知道為什么會發生這種情況或我正在犯的錯誤？

Answer 1

既然你使用的是JavaScript，為什么不能只使用getElementsByTagName('script') ？ 這就是你應該怎么做的。

如果您以某種方式擁有HTML字符串，請創建一個iframe並將HTML轉儲到其中，然后在其上運行getElementsByTagName('script') 。

Answer 2

好的，為了擴展Kolink的答案，你不需要iframe或事件處理程序：

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

...現在腳本是腳本元素的DOM集合 - 腳本不會被執行...

---

為什么正則表達式不是一個很棒的主意：

由於<script>元素可能不包含字符串</script> ，因此編寫正則表達式以匹配它們並不困難： </script> /<script[.\\n]+?<\\/script>/gi </script> /<script[.\\n]+?<\\/script>/gi

看起來您只想匹配具有特定類型屬性的腳本。 您也可以嘗試將其包含在您的模式中：/< /<script[^>]+type\\s*=\\s*(["']?)blahblah\\1[.\\n]*?<\\/script>/gi - 但這太可怕了。（當你在不規則字符串上使用正則表達式時，就會發生這種情況，你需要簡化）

因此，您遍歷所有基本匹配的腳本，提取起始標記： result.match(/<script[^>]*>/i)[0]並在其中搜索您的類型屬性/type\\s*=\\s*((["'])blahblah\\2|\\bblahblah\\b)/.test(startTag) 。哦看 - 它回到可怕 - 簡化！

這次通過規范化： startTag = startTag.replace(/\\s*=\\s*/g, '=').replace(/=([^\\s"'>]+)/g, '="$1"') - 現在你處於危險區域，如果=在引用的字符串中怎么辦？你能看到它變得越來越復雜嗎？

如果您對將要使用它的HTML做出有力的假設（即使其成為常規），那么您只能使用正則表達式進行此工作。 否則你的問題會成長，成長和成長！

• 免責聲明：我沒有測試任何正則表達式，看看他們是否做了我說他們做的事情，他們只是示例嘗試。