使用Regex删除脚本标记

Question

我正在尝试使用我在本网站上找到的正则表达式，但它似乎不起作用。有什么想法吗？

输入字符串：

sFetch = "123<script type=\"text/javascript\">\n\t\tfunction utmx_section(){}function utmx(){}\n\t\t(function()})();\n\t</script>456";

正则表达式：

sFetch = Regex.Replace(sFetch, "<script.*?>.*?</script>", "", RegexOptions.IgnoreCase);

Answer 1

添加RegexOptions.Singleline

RegexOptions.IgnoreCase | RegexOptions.Singleline

这将永远无法跟进。

<script
>
alert(1)
</script
/**/
>

所以，找一个像HTML Agility Pack

这样的HTML解析器

Answer 2

正则表达式失败的原因是您的输入有newlines且元字符.与之匹配。

要解决此问题，您可以使用RegexOptions.Singleline选项作为S.Mark说，或者您可以将正则表达式更改为：

"<script[\d\D]*?>[\d\D]*?</script>"

使用[\d\D]代替.。

\d是任意数字，\D是任何非数字，因此[\d\D]是数字或非数字，实际上是任何数字。

Answer 3

如果您确实要清理html字符串（并且您使用的是.NET），那么请查看Microsoft Web Protection Library：

Sanitizer.GetSafeHtmlFragment(untrustedHtml);

有一个描述here。

Answer 4

这有点短：

 "<script[^<]*</script>"

或

"<[^>]*>[^>]*>"