只從腳本標記中提取javascript

我想從HTML文檔中的腳本標記中僅提取javascript，我想將它傳遞給JS解析器，如esprima。我正在使用nodejs編寫該應用程序，並將內容從腳本標記中提取爲字符串。問題是，當我想從HTML文檔中提取的JavaScript中有HTML註釋時，我想要刪除它。
應轉換爲var a
一個簡單的去除<--和-->不起作用，因爲它的情況下0); -->它消除了中間-->
我也想去掉標識符像[if !IE]和[endif]它們有時會發現失敗內部腳本標籤。我也想提取JS內部的CDATA段。
<![CDATA[ var a; ]]>應該轉換爲var a
這一切都可能使用正則表達式還是更需要？
總之，我想從腳本標記中清理JS，以便我可以安全地將它傳遞到像esprima這樣的解析器。
謝謝！編號：
基於@ user568109的回答。這是粗略的代碼，通過HTML註釋和CDATA段解析腳本內標籤
只從腳本標記中提取javascript

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()

來源

2013-07-19 everconfusedGuy

您可以使用正則表達式來執行此操作。在你的瀏覽器中試試這個簡單的正則表達式...'「<！ - if test（j - > 3） - >」替換（/^ $/g，「$ 1」）'並完成你的工作。 – mohkhan

是否有一個更系統的方法來做到這一點，因爲似乎有這麼多的情況下，沒有有效的JS內部腳本標記。 CDATA和htmlcomments只是我到目前爲止遇到的一些案例。 – everconfusedGuy

'很多情況下，沒有有效的JS內部腳本標記。'如果它不是有效的JS，有什麼意思將它們拉出來？ – kennypu

這是解析器的工作。見htmlparser2或esprima本身。請don't use regex to parse HTML，這是誘人的。你會浪費你寶貴的時間和精力努力比賽更多標籤。

從頁面的一個例子：

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();

輸出（簡化）：

它會給你所有的標籤的div，評論，劇本等，但你必須驗證腳本里面的評論自己。另外CDATA是XML（XHTML）中的有效標籤，因此htmlparser2會將其作爲註釋檢測出來，您也必須檢查它們。

來源

2013-07-19 12:08:16 user568109

我正在嘗試在http://htmlparser.forbeslindesay.co.uk/演示它不能識別腳本標記內的CDATA段！ – everconfusedGuy

哦，我剛剛發現一個事件'oncdata'..guess我可以用它來找出cdata塊的內容..感謝您的回答！ – everconfusedGuy

只從腳本標記中提取javascript

回答

相關問題