首页 文章

如何删除脚本元素中的CDATA块？

提问于
浏览 次
0

使用PHP，在HTML文件中，我想删除脚本元素中的 CDATA 块 .

<script type="text/javascript">
    /* <![CDATA[ */
    var A=new Array();
    ..........................
    ..........................
/* ]]> */
</script>
some text2 ........................
some text3 ........................
some text4 ........................
<script type="text/javascript">
    /* <![CDATA[ */
    var B=new Array();
    ..........................
    ..........................
/* ]]> */
some text5 ........................

我还没有找到如何使用XPath和PHP DomDocument选择和删除此节点 .

我试过这个正则表达式 $re = '/\/\*\s*<!\[CDATA\[[\s\S]*\/\*\s*\]\]>\s*\*\//i';

但这会删除所有文本，包括2个CDATA块之间的文本 .

结果我得到一个空字符串而不是

some text2 ........................ 
some text3 ........................ 
some text4 ........................ 
some text5 ........................

有任何想法吗？

Update with ThW solution :

有了这个页面，似乎CDATA部分的文本没有得到很好的解析

libxml_use_internal_errors(true);
$domDoc = new DOMDocument();
$domDoc->loadHTMLFile('https://www.maisons-qualite.com/le-reseau-mdq/recherche-constructeurs-agrees/construction-maison-neuve-centre-val-loire');
libxml_clear_errors();

$xpath = new DOMXpath($domDoc);
foreach($xpath->evaluate('//text()') as $section) {
  if ($section instanceof DOMCDATASection) {
    print_r($section->textContent);
    $section->parentNode->removeChild($section);
  }
}
$content = $domDoc->saveHTML();

我得到了这个文本内容

.....
.....
function updateConstructeurs(list) {
    for (var i in list) {
        if(list[i]['thumbnail']) {
            jQuery('#reseau-constructeurs').append('<div class="reseau-constructeur">' +
                '<div class="img" style="background-image:url(' + list[i]['thumbnail'] + ')">

对于

function updateConstructeurs(list) {
    for (var i in list) {
        if(list[i]['thumbnail']) {
            jQuery('#reseau-constructeurs').append('<div class="reseau-constructeur">' +
                '<div class="img" style="background-image:url(' + list[i]['thumbnail'] + ')"></div>' +
                '<h3>' + list[i]['title'] + '</h3>' +
                '<a class="btn purple" href="' + list[i]['link'] + '">Accéder à la fiche</a>' +
            '</div>');
        }
    }
}

结果，我们得到了：而不是获得一个空字符串：

'<h3>' + list[i]['title'] + '</h3>' +
                        '<a class="btn purple" href="'%20+%20list%5Bi%5D%5B'link'%5D%20+%20'">Acc&eacute;der &agrave; la fiche</a>' +
                    '</div>');
                }
            }
        }
    /* ]]&gt; */
php regex xpath preg-replace cdata

3 回答

  • 0

    使 [\s\S]* 非贪婪，即 [\s\S]*? ：

    \/\*\s*<!\[CDATA\[[\s\S]*?\/\*\s*\]\]>\s*\*\/

    演示：https://regex101.com/r/AutLW9/1

    回复于
  • 1

    CData部分是一种字符节点，如文本节点 . 在大多数情况下，您以相同的方式处理它们 - 区别在于序列化 . 因此，使用Xpath获取节点，如果它们是CDATA节（而不是文本节点），则删除它们：

    $document = new DOMDocument();
$document->loadHtml($html);
$xpath = new DOMXpath($document);

foreach($xpath->evaluate('//text()') as $section) {
  if ($section instanceof DOMCDATASection) {
    $section->parentNode->removeChild($section);
  }
}

echo $document->saveHtml();

    但是你可能想重新考虑一下 . 没有CDATA部分非常重要吗？您可能想要删除 script 元素的内容 . 这甚至更短：

    $document = new DOMDocument();
$document->loadHtml($html);
$xpath = new DOMXpath($document);

foreach($xpath->evaluate('//script/node()') as $node) {
  $node->parentNode->removeChild($section);
}

echo $document->saveHtml();

    //script/node() 匹配 script 元素内的任何子节点 . 无论是CDATA部分，文本节点还是其他任何东西 .

    回复于
  • 0

    Dmitry Egorov在PHP中的解决方案 .

    $re = '/\/\*\s*<!\[CDATA\[[\s\S]*?\/\*\s*\]\]>\s*\*\//';
$str = '<script type="text/javascript">
    /* <![CDATA[ */
    var A=new Array();
    ..........................
    ..........................
/* ]]> */
</script>
some text2 ........................
some text3 ........................
some text4 ........................
<script type="text/javascript">
    /* <![CDATA[ */
    var B=new Array();
    ..........................
    ..........................
/* ]]> */
</script>
some text5 ........................';
$subst = '';

$result = preg_replace($re, $subst, $str);

echo "The result of the substitution is ".$result;
    回复于

相关问题