如何從任意HTML解析出JavaScript

Question

我正在使用jericho來消毒html，並且它的效果很好。除了在一種情況下，我無法弄清楚。我想完全刪除任何腳本和腳本內容。現在，我正在刪除腳本標記，但實際的腳本內容保留。

因此，目前我創建一個Source對象並執行fullSequentialParse。然後我創建一個OutputDocument並遍歷每個標籤。

當我看到一個「腳本」標籤時，我只是想用「」替換整個東西。

任何想法？

TIA

Answer 1

我不熟悉傑里科，但它必須在樹上，非常類似於DOM樹工作的能力，這樣你就可以刪除script元素而不只是標籤的。 （如果你有一個巨大的HTML，雖然這可能不是最佳的）。

如果沒有，那麼你可以去SAX方式的事情。請記住開頭的script標籤，當您到達結束標籤時，您可以刪除中間的所有內容。

Answer 2

簡單而有效的方法 -

1. 執行遍歷達到腳本標籤一個接一個。
2. 對於每個腳本標籤，你可以得到它的下一個結束標籤（使用for循環）。
3. 獲取開始標記和結束標記的位置（整數值）。
4. 從源對象中刪除這些行。
5. 替換源文件。 （只需要創建一個新的文件並保存在同一文件夾中，它會覆蓋）

A2A:)