我有一个HTML文件，其中可能包含Javascript，PHP以及所有这些人可能会或可能不会放入其HTML文件的内容。在HTML中查找注释
我想从此html文件中提取所有评论。
我可以指出两个问题在做这个：
什么是一个语言的评论可能不会出现在其他评论。
在Javascript中，其余行使用//标记进行了注释。但是其中的URL也包含//，因此我可以很好地删除部分网址，如果我只用//替换//，然后再用 替换该行的其余部分即可。
所以这不是一个小问题。
是否有任何解决方案可以满足这些需求？
有没有人已经这样做？
从您的话来看，您正在思考一些基于正则表达式的方法：在整个文件中这样做是一种痛苦，尝试使用一些工具来突出或丢弃有趣或无趣的文本，然后开始工作根据保留/丢弃标准，你的筛子剩下什么。看看HTML :: Tree和TreeBuilder，处理HTML标记可能非常有用。
问题2：是不是每个URL引用，或者用“www.url.com”或“www.url.com”，当你把它写在两种语言？我不确定。如果是这种情况，那么你所要做的就是解析代码，并检查反斜杠前面是否有引号，以知道它是一个真正的url还是一个注释。
查找到解析器生成像ANTLR具有语法为many languages，写一个嵌套解析器可靠地找到意见。如果准确性很重要，正则表达式不会帮助你。即使那样，它也不会100％准确。
考虑
问题3，在语言的注释并不总是在语言的注释。
<textarea><!-- not a comment --></textarea>
<script>var re = /[/*]not a comment[*/]/, str = "//not a comment";</script>
问题4，嵌入语言中的评论可能显然不是评论。
<button onclick="// this is a comment// notAComment()">
问题5，什么是评论可能取决于如何配置浏览器。
<noscript><!-- </noscript> Whether this is a comment depends on whether JS is turned on -->
<!--[if IE 8]>This is a comment, except on IE 8<![endif]-->
我不得不部分地解决这个问题，从源代码注释的Elid防止泄漏软件实现细节的上下文模板系统。
https://github.com/mikesamuel/html-contextual-autoescaper-java/blob/master/src/tests/com/google/autoesc/HTMLEscapingWriterTest.java#L1146表示在注释中的JavaScript标识的测试用例，后来测试用例显示CSS和HTML鉴定意见。您可能可以修改该代码以查找评论。它不会处理PHP代码部分中的注释。
我会将HTML文件转换为字符数组并解析它。随着您前进并跳过或删除这些分段，您可以检测到诸如“<”，“ - ”，“www”，“http”等关键字符串。
开始/结束指数必须正确识别，这是一个挑战，但您将拥有全部权力。
如果性能不成问题，还有其他方法可以简化过程。例如，可以使用XML :: Twig来抓取所有标签，并且可以解析该字符串以检测JS注释。
你是对的，这不是微不足道的。为了可靠地删除注释，您需要完全解析文件（PHP，HTML和Javascript）。如果可能，我建议使用PHP;虽然我更喜欢Perl，但PHP的工具本身比Perl工具更好地处理PHP。这里是让你开始的东西：http://stackoverflow.com/questions/503871/best-way-to-automatically-remove-comments-from-php-code。然后，您只需在PHP中查找HTML和JavaScript解析器就可以对文件的这些部分进行同样的操作。 – dan1111
为什么你会在你的HTML文件中使用PHP？我只有CSS，JavaScript和HTML，然后是谷歌的“HTML Minifier”，可以删除评论，空白和一般“瘦”你的网页的产品。 –
@RB。预渲染？ – Jivings