我有一個HTML文件，其中可能包含Javascript，PHP以及所有這些人可能會或可能不會放入其HTML文件的內容。在HTML中查找註釋
我想從此html文件中提取所有評論。
我可以指出兩個問題在做這個：
什麼是一個語言的評論可能不會出現在其他評論。
在Javascript中，其餘行使用//標記進行了註釋。但是其中的URL也包含//，因此我可以很好地刪除部分網址，如果我只用//替換//，然後再用 替換該行的其餘部分即可。
所以這不是一個小問題。
是否有任何解決方案可以滿足這些需求？
有沒有人已經這樣做？
從您的話來看，您正在思考一些基於正則表達式的方法：在整個文件中這樣做是一種痛苦，嘗試使用一些工具來突出或丟棄有趣或無趣的文本，然後開始工作根據保留/丟棄標準，你的篩子剩下什麼。看看HTML :: Tree和TreeBuilder，處理HTML標記可能非常有用。
問題2：是不是每個URL引用，或者用「www.url.com」或「www.url.com」，當你把它寫在兩種語言？我不確定。如果是這種情況，那麼你所要做的就是解析代碼，並檢查反斜槓前面是否有引號，以知道它是一個真正的url還是一個註釋。
查找到解析器生成像ANTLR具有語法爲many languages，寫一個嵌套解析器可靠地找到意見。如果準確性很重要，正則表達式不會幫助你。即使那樣，它也不會100％準確。
考慮
問題3，在語言的註釋並不總是在語言的註釋。
<textarea><!-- not a comment --></textarea>
<script>var re = /[/*]not a comment[*/]/, str = "//not a comment";</script>
問題4，嵌入語言中的評論可能顯然不是評論。
<button onclick="// this is a comment// notAComment()">
問題5，什麼是評論可能取決於如何配置瀏覽器。
<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]-->
我不得不部分地解決這個問題，從源代碼註釋的Elid防止泄漏軟件實現細節的上下文模板系統。
https://github.com/mikesamuel/html-contextual-autoescaper-java/blob/master/src/tests/com/google/autoesc/HTMLEscapingWriterTest.java#L1146表示在註釋中的JavaScript標識的測試用例，後來測試用例顯示CSS和HTML鑑定意見。您可能可以修改該代碼以查找評論。它不會處理PHP代碼部分中的註釋。
我會將HTML文件轉換爲字符數組並解析它。隨着您前進並跳過或刪除這些分段，您可以檢測到諸如「<」，「 - 」，「www」，「http」等關鍵字符串。
開始/結束指數必須正確識別，這是一個挑戰，但您將擁有全部權力。
如果性能不成問題，還有其他方法可以簡化過程。例如，可以使用XML :: Twig來抓取所有標籤，並且可以解析該字符串以檢測JS註釋。
你是對的，這不是微不足道的。爲了可靠地刪除註釋，您需要完全解析文件（PHP，HTML和Javascript）。如果可能，我建議使用PHP;雖然我更喜歡Perl，但PHP的工具本身比Perl工具更好地處理PHP。這裏是讓你開始的東西：http://stackoverflow.com/questions/503871/best-way-to-automatically-remove-comments-from-php-code。然後，您只需在PHP中查找HTML和JavaScript解析器就可以對文件的這些部分進行同樣的操作。 – dan1111
爲什麼你會在你的HTML文件中使用PHP？我只有CSS，JavaScript和HTML，然後是谷歌的「HTML Minifier」，可以刪除評論，空白和一般「瘦」你的網頁的產品。 –
@RB。預渲染？ – Jivings