仅从脚本标记中提取javascript

Extract only javascript from a script tag

本文关键字：提取 javascript 脚本      更新时间：2023-09-26

我只想从HTML文档中的脚本标记中提取javascript，并将其传递给像esprima这样的JS解析器。我正在使用nodejs编写这个应用程序，并将从脚本标记中提取的内容作为字符串。问题是从我想要删除的HTML文档中提取的javascript中存在HTML注释
<!-- var a; -->应转换为var a
简单移除<--和-->不起作用，因为它在移除中间-->的情况<!-- if(j-->0); -->中失败
我还想删除像[if !IE]和[endif]这样的标识符，它们有时会出现在脚本标记中。我还想提取CDATA段中的JS。
<![CDATA[ var a; ]]>应转换为var a
所有这些都可能使用正则表达式吗？还是需要更多的东西
简而言之，我想从脚本标记中清除JS，这样我就可以安全地将其传递到像esprima这样的解析器中
谢谢

编辑：
基于@user568109的回答。这是解析脚本标记中HTML注释和CDATA段的粗略代码

var htmlparser = require("htmlparser2");
var jstext = '';
var parser = new htmlparser.Pavar htmlparser = require("htmlparser2");
var jstext = '';
var parser = new htmlparser.Parser({
onopentag: function(name, attribs){
    if(name === "script" && attribs.type === "text/javascript"){
        jstext = '';
        //console.log("JS! Hooray!");
    }
},
ontext: function(text) {
    jstext += text;
},
onclosetag: function(tagname) {
    if(tagname === "script") {
        console.log(jstext);
        jstext = '';
    }
},
oncomment : function(data) {
    if(jstext) {
        jstext += data;
    }
}
},  {
xmlMode:true
});
parser.write(input);
parser.end()

这是解析器的工作。请参阅htmlparser2或esprima本身。请不要使用正则表达式来解析HTML，它很诱人。尝试匹配更多标签会浪费您宝贵的时间和精力。

页面中的一个示例：

var htmlparser = require("htmlparser2");
var parser = new htmlparser.Parser({
    onopentag: function(name, attribs){
        if(name === "script" && attribs.type === "text/javascript"){
            console.log("JS! Hooray!");
        }
    },
    ontext: function(text){
        console.log("-->", text);
    },
    onclosetag: function(tagname){
        if(tagname === "script"){
            console.log("That's it?!");
        }
    }
});
parser.write("Xyz <script type='text/javascript'>var foo = '<<bar>>';</script>");
parser.end();

输出（简化）：

--> Xyz 
JS! Hooray!
--> var foo = '<<bar>>';
That's it?!

它会给你所有的标签div、注释、脚本等。但你必须自己在注释中验证脚本。此外，CDATA是XML（XHTML）中的一个有效标记，因此htmlparser2会将其检测为注释，您也必须检查这些标记。

相关文章：