如何从任意HTML解析出JavaScript

Question

我正在使用jericho来消毒html，并且它的效果很好。除了在一种情况下，我无法弄清楚。我想完全删除任何脚本和脚本内容。现在，我正在删除脚本标记，但实际的脚本内容保留。

因此，目前我创建一个Source对象并执行fullSequentialParse。然后我创建一个OutputDocument并遍历每个标签。

当我看到一个“脚本”标签时，我只是想用“”替换整个东西。

任何想法？

TIA

Answer 1

我不熟悉杰里科，但它必须在树上，非常类似于DOM树工作的能力，这样你就可以删除script元素而不只是标签的。 （如果你有一个巨大的HTML，虽然这可能不是最佳的）。

如果没有，那么你可以去SAX方式的事情。请记住开头的script标签，当您到达结束标签时，您可以删除中间的所有内容。

Answer 2

简单而有效的方法 -

1. 执行遍历达到脚本标签一个接一个。
2. 对于每个脚本标签，你可以得到它的下一个结束标签（使用for循环）。
3. 获取开始标记和结束标记的位置（整数值）。
4. 从源对象中删除这些行。
5. 替换源文件。 （只需要创建一个新的文件并保存在同一文件夹中，它会覆盖）

A2A:)