Javascript 如何删除<；脚本>；及</脚本>；使用python？

如何使用python删除

和

之间的文本？

您可以使用模块（复杂）或使用正则表达式执行此操作：

import re
content = "asdf <script> bla </script> end"
x=re.search("<script>.*?</script>", content, re.DOTALL)
span = x.span() # gives (5, 27)

stripped_content = content[:span[0]] + content[span[1]:]

重新导入
content=“asdf bla end”
x=re.search（“*”，内容，re.DOTALL）
span=x.span（）给出了（5,27）
内容=内容[：span[0]]+内容[span[1]：]

---

编辑：re.DOTALL，多亏了tgray，我对Python的了解还不足以告诉您解决方案。但是如果你想用它来清理用户输入，你必须非常非常小心。删除和之间的内容并不能捕获所有内容。也许您可以看看现有的解决方案（我假设Django包括类似的解决方案）。

您可以使用以下（和其他）方法：

---

这实际上会从HTML中删除节点。如果要保留空的

标记，则必须使用

项的
属性，而不仅仅是从汤中提取它。
如果要删除
和
之间的所有内容，为什么不删除整个节点

您是否希望使用resig样式的src和body？
example_text=“这是一些文本废话废话，这是更多的文本。”
example_text = "This is some text <script> blah blah blah </script> this is some more text."

import re
myre = re.compile("(^.*)<script>(.*)</script>(.*$)")
result = myre.match(example_text)
result.groups()
  <52> ('This is some text ', ' blah blah blah ', ' this is some more text.')

# Text between <script> .. </script>
result.group(2)
  <56> 'blah blah blah'

# Text outside of <script> .. </script>
result.group(1)+result.group(3)
  <57> 'This is some text  this is some more text.'

进口稀土
myre=re.compile（（^.*）（.*）（.*）（.$））
结果=myre.match（示例\u文本）
结果.分组（）
（‘这是一些文字’、‘诸如此类’、‘这是更多的文字’）
#文本介于。。
结果：第一组（2）
“废话废话”
#在..之外的文本。。
结果组（1）+结果组（3）
“这是一些文本，这是更多的文本。”
如果您不想导入任何模块：

string = "<script> this is some js. begone! </script>"

string = string.split(' ')

for i, s in enumerate(string):
    if s == '<script>' or s == '</script>' :
        del string[i]

print ' '.join(string)

string=“这是一些js.begone！”
string=string.split（“”）
对于枚举中的i，s（字符串）：
如果s==''或s==''：
del string[i]
打印“”。连接（字符串）
根据Pev和wr发布的答案，为什么不升级正则表达式，例如：

pattern = r"(?is)<script[^>]*>(.*?)</script>"
text = """<script>foo bar  
baz bar foo  </script>"""
re.sub(pattern, '', text)

pattern=r“（？is）]*>（*？）
text=“”foo-bar
巴兹巴富酒店
re.sub（模式、文本）

（？is）-添加以忽略大小写并允许文本中出现新行。此版本还应支持带有属性的脚本标记

编辑：我还不能添加任何评论，所以我只是编辑我的答案。我完全同意下面的评论，regexp对于这样的任务是完全错误的。lxml的汤要好得多。但这个问题只给出了一个简单的例子，regexp应该足以完成这样简单的任务。使用BeautifulSoup删除简单的文本可能太多（过载？我不知道如何表达我的意思，请原谅我的英语）

顺便说一句，我犯了一个错误，代码应该如下所示：

pattern = r"(?is)(<script[^>]*>)(.*?)(</script>)"
text = """<script>foo bar  
baz bar foo  </script>"""
re.sub(pattern, '\1\3', text)

pattern=r“（？is）（]*>）（.*）”
text=“”foo-bar
巴兹巴富酒店
re.sub（模式“\1\3”，文本）
您是否试图阻止？仅仅删除
标签并不能解决所有可能的攻击！这里有一个很好的列表，列出了你可能容易受到攻击的许多方法（其中一些方法非常有创意）。阅读本页后，您应该理解为什么仅仅使用正则表达式删除
标记不够健壮。python库有一个函数，该函数将有力地清理HTML，使其能够安全地显示

如果您确定您只想消除
标记，那么lxml中的此代码应该可以工作：

from lxml.html import parse

root = parse(filename_or_url).getroot()
for element in root.iter("script"):
    element.drop_tree()

注意：我否决了所有使用常规表达式的解决方案。请参见为什么不应使用正则表达式解析HTML：

注2:另一个显示无法用正则表达式解析的HTML的问题：
是实现这一点的最简单、最甜蜜的软件包。是的，还有其他方法可以做到这一点；但不要使用任何“因为它们很烂！”！（通过Mark Pilgrim）
这有很多潜在问题，例如大小写、脚本标记是否具有属性、可能转义的文本片段等。很难可靠地涵盖所有选项，从而更容易使用现有的、经过测试的、，库，例如Beautiful Soup。您可能希望在搜索中添加re.DOTALL/re.S标志，以便“点”字符与换行符匹配。否则，您将无法匹配跨多行的脚本块（其中大多数是跨行的）；这确实符合必要的规格。不it@becomingGuru请参阅我的解决方案中的两个链接，了解为什么使用正则表达式解析HTML是个坏主意。虽然这个anser可能满足问题的“规格”，但它存在严重的安全问题，并不是一个真正可靠的解决方案。请参阅来自“mavnn”和（点击submit太早）以及“DrJokepu”的注释，它们指出了相同的问题。请注意，这些注释将通过regexmyre=re.compile（（^.*）（.*）（.*）（.$）来捕获它。再次，如何？var x='lol'怎么样；等等？他确实说了“和”。这是正确的答案。Niloy或任何阅读此问题的人，请忽略任何主张在本例中使用正则表达式的答案，因为它们都存在严重的、容易被利用的安全问题。我同意@DrJokepu。不要试图用正则表达式解析HTML！我无法让它工作，因为script标记之间的文本包含如下内容：var str=“”；BeautifulSoup认为这个字符串是一个标签。这已经有两年了，但我会尝试和评论@DrJokepu这将是一个好主意，但我无法将html加载到BeautifulSoup中，因为javascript中有错误的html标记，这会在解析器中引发错误。我需要先用正则表达式去掉javascript。从bs4导入如何？怎么样
from lxml.html import parse

root = parse(filename_or_url).getroot()
for element in root.iter("script"):
    element.drop_tree()