如何删除脚本元素内的 CDATA 块?
How to remove CDATA blocks inside a script element?
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 select 使用 XPath 删除这些节点的方法 & PHP DomDocument。
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 ........................
有什么想法吗?
使用 ThW 解决方案更新:
对于这个页面,似乎 CDATA 部分的文本没有很好地解析
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 textContent
.....
.....
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>');
}
}
}
因此,我们得到的不是空字符串,而是:
'<h3>' + list[i]['title'] + '</h3>' +
'<a class="btn purple" href="'%20+%20list%5Bi%5D%5B'link'%5D%20+%20'">Accéder à la fiche</a>' +
'</div>');
}
}
}
/* ]]> */
使 [\s\S]*
非贪婪,即 [\s\S]*?
:
\/\*\s*<!\[CDATA\[[\s\S]*?\/\*\s*\]\]>\s*\*\/
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;
CData 节是一种字符节点,类似于文本节点。对于大多数目的,您以相同的方式处理它们 - 区别在于序列化。因此,如果它们是 CDATA 部分(而不是文本节点),则使用 Xpath 获取节点并删除它们:
$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();
不过,您可能需要重新考虑一下。没有 CDATA 部分真的很重要吗?您可能想要删除 script
元素的内容。这个更短:
$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内容。
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 select 使用 XPath 删除这些节点的方法 & PHP DomDocument。
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 ........................
有什么想法吗?
使用 ThW 解决方案更新:
对于这个页面,似乎 CDATA 部分的文本没有很好地解析
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 textContent
.....
.....
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>');
}
}
}
因此,我们得到的不是空字符串,而是:
'<h3>' + list[i]['title'] + '</h3>' +
'<a class="btn purple" href="'%20+%20list%5Bi%5D%5B'link'%5D%20+%20'">Accéder à la fiche</a>' +
'</div>');
}
}
}
/* ]]> */
使 [\s\S]*
非贪婪,即 [\s\S]*?
:
\/\*\s*<!\[CDATA\[[\s\S]*?\/\*\s*\]\]>\s*\*\/
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;
CData 节是一种字符节点,类似于文本节点。对于大多数目的,您以相同的方式处理它们 - 区别在于序列化。因此,如果它们是 CDATA 部分(而不是文本节点),则使用 Xpath 获取节点并删除它们:
$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();
不过,您可能需要重新考虑一下。没有 CDATA 部分真的很重要吗?您可能想要删除 script
元素的内容。这个更短:
$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内容。