需要从每个HTML文件中删除一堆注释

Question

我正在寻找从互联网档案中恢复我的旧网站，幸好它完好无损。

唯一的问题是，现有的HTML中添加了额外的注释，我想删除它们。评论已添加到每个页面的底部，如下所示，

<!--
 FILE ARCHIVED ON 15:22:46 Jan 15, 2011 AND RETRIEVED FROM THE
 INTERNET ARCHIVE ON 11:36:37 Jul 11, 2014.
 JAVASCRIPT APPENDED BY WAYBACK MACHINE, COPYRIGHT INTERNET ARCHIVE.

 ALL OTHER CONTENT MAY ALSO BE PROTECTED BY COPYRIGHT (17 U.S.C.
 SECTION 108(a)(3)).
-->

我在这里读到，我正在尝试做的事情可以使用正则表达式完成，但是因为我是新手，所以我想要一些帮助。

这是我奋力超过3个小时后所得到的一切，

<!--(\s)*FILE ARCHIVED 

我对如何结束它一无所知。

任何帮助都会很高兴。

Answer 1

使用空字符串匹配并替换以下正则表达式：

/<!--.+?-->/s

View a live regex demo.

正则表达式可视化：

Answer 2

以下正则表达式仅匹配评论部分。然后你可以轻松删除匹配的部分。

/<!--\s*FILE ARCHIVED(?:[^\n]*[\n][^\n]*)*?-->/m

DEMO

或

使用s（DOTALL）修饰符

/<!--\s*FILE ARCHIVED(?:(?!-->).)*-->/sg

DEMO

Answer 3

Internet Archive允许我们检索网页的原始版本。例如，如果您有此网址（https://web.archive.org/web/20170204063743/http://john.smith@example.org/），请将时间戳20170204063743替换为20170204063743id_（因此修改后的网址将显示为https://web.archive.org/web/20170204063743id_/http://john.smith@example.org/），然后您将获得原始HTML，而不会添加任何其他评论。互联网档案。

Answer 4

请尝试这个：

preg_replace("/<!--(.|\s)*?-->/", "", $input_lines);

demo link

它只保留文字＆＃34; HTML内容到这里＆＃34;以下内容：

HTML content goes here

<!--
 FILE ARCHIVED ON 15:22:46 Jan 15, 2011 AND RETRIEVED FROM THE
 INTERNET ARCHIVE ON 11:36:37 Jul 11, 2014.
 JAVASCRIPT APPENDED BY WAYBACK MACHINE, COPYRIGHT INTERNET ARCHIVE.

 ALL OTHER CONTENT MAY ALSO BE PROTECTED BY COPYRIGHT (17 U.S.C.
 SECTION 108(a)(3)).
-->

Answer 5

我选择这样的事情：

<!--(\s)*FILE ARCHIVED(\s|.)*-->

View a live demo