删除 PHP 中所有 REAL Javascript 注释

Question

我正在寻找一种使用 PHP 去除 HTML 代码中所有 javascript 注释的解决方案。

我想删除仅Javascript注释（而不是HTML注释等）。我认为正则表达式不是一个解决方案，因为它无法理解是否是真正的注释或字符串的一部分。示例：

<script>

// This is a comment
/* This is another comment */

// The following is not a comment
var src="//google.com"; 

</script>

有办法吗？非常感谢提前

Answer 1

首先要做的事情：您需要提取脚本标签的内容。为此，请使用 DOMDocument：

$dom = new DOMDocument;
$dom->loadHTML($html);

$scriptNodes = $dom->getElementsByTagName('script');

第二步包括删除每个脚本节点的所有 javascript 注释。

如果需要，您可以使用第三方 JavaScript 解析器，但也可以使用正则表达式来实现。您所需要做的就是防止考虑报价之间的部分。

为此，您必须搜索引号之间的第一部分并丢弃它们。使用 javascript 做到这一点的唯一困难是引号可以位于正则表达式模式内，例如：

/pattern " with a quote/

所以你也需要找到模式来防止任何错误。

图案示例：

$pattern = <<<'EOD'
~
(?(DEFINE)
    (?<squoted> ' [^'\n\\]*+ (?: \\. [^'\n\\]* )*+ ' )
    (?<dquoted> " [^"\n\\]*+ (?: \\. [^"\n\\]* )*+ " )
    (?<tquoted> ` [^`\\]*+ (?s: \\. [^`\\]*)*+ ` )
    (?<quoted>  \g<squoted> | \g<dquoted> | \g<tquoted> )
    
    (?<scomment> // \N* )
    (?<mcomment> /\* [^*]*+ (?: \*+ (?!/) [^*]* )*+ \*/ )
    (?<comment> \g<scomment> | \g<mcomment> )
    
    (?<pattern> / [^\n/*] [^\n/\\]*+ (?>\\.[^\n/\\]*)* / [gimuy]* ) 
)

(?=[[(:,=/"'`])
(?|
    \g<quoted> (*SKIP)(*FAIL)
  |
    ( [[(:,=] \s* ) (*SKIP) (?: \g<comment> \s* )*+ ( \g<pattern> )
  | 
    ( \g<pattern> \s* ) (?: \g<comment> \s* )*+ 
    ( \. \s* ) (?:\g<comment> \s* )*+ ([A-Za-z_]\w*)
  |
    \g<comment>
)
~x
EOD;

然后替换各个脚本节点的内容：

foreach ($scriptNodes as $scriptNode) {
    $scriptNode->nodeValue = preg_replace($pattern, '$9${10}${11}', $scriptNode->nodeValue);
}

$html = $dom->saveHTML();

演示

图案详情：

((?DEFINE)...)

是您可以放置稍后需要的所有子模式定义的区域。 “真正的”模式开始于之后。

(?<name>...)

被命名为子模式。它与捕获组相同，只是您可以使用其名称（如

\g<name>

）而不是其编号来引用它。

*+

是 所有格量词

\N

表示不是换行符的字符

(?=[[(:,=/"'])</code> is a [lookahead][3] that checks if the next character is one of these <code>[ ( : , = / " ' 

。此测试的目的是防止在字符不同时测试以下交替的每个分支。如果删除它，模式将发挥相同的作用，只是快速跳过字符串中无用的位置。

])</code> is a [lookahead][3] that checks if the next character is one of these <code>[ ( : , = / " ' 

是回溯控制动词。当该模式在其之后失败时，将不会尝试之前匹配的所有位置。

(*SKIP)

也是一个回溯控制动词，强制模式失败。

(*FAIL)

是分支重置组。在其中，捕获组在每个分支中分别具有相同的数字（对于此模式为 9 和 10）。

Answer 2

使用此功能

(?|..(..)..(..)..|..(..)..(..)..)

使用这两个链接 http://trinithis.awardspace.com/commentStripper/stripper.html

http://james.padolsey.com/javascript/removing-comments-in-javascript/

进一步参考检查它Javascript注释剥离器

Answer 3

此正则表达式适用于您的示例：

function removeComments(str) {
    str = ('__' + str + '__').split('');
    var mode = {
        singleQuote: false,
        doubleQuote: false,
        regex: false,
        blockComment: false,
        lineComment: false,
        condComp: false 
    };
    for (var i = 0, l = str.length; i < l; i++) {
 
        if (mode.regex) {
            if (str[i] === '/' && str[i-1] !== '\') {
                mode.regex = false;
            }
            continue;
        }
 
        if (mode.singleQuote) {
            if (str[i] === "'" && str[i-1] !== '\') {
                mode.singleQuote = false;
            }
            continue;
        }
 
        if (mode.doubleQuote) {
            if (str[i] === '"' && str[i-1] !== '\') {
                mode.doubleQuote = false;
            }
            continue;
        }
 
        if (mode.blockComment) {
            if (str[i] === '*' && str[i+1] === '/') {
                str[i+1] = '';
                mode.blockComment = false;
            }
            str[i] = '';
            continue;
        }
 
        if (mode.lineComment) {
            if (str[i+1] === 'n' || str[i+1] === 'r') {
                mode.lineComment = false;
            }
            str[i] = '';
            continue;
        }
 
        if (mode.condComp) {
            if (str[i-2] === '@' && str[i-1] === '*' && str[i] === '/') {
                mode.condComp = false;
            }
            continue;
        }
 
        mode.doubleQuote = str[i] === '"';
        mode.singleQuote = str[i] === "'";
 
        if (str[i] === '/') {
 
            if (str[i+1] === '*' && str[i+2] === '@') {
                mode.condComp = true;
                continue;
            }
            if (str[i+1] === '*') {
                str[i] = '';
                mode.blockComment = true;
                continue;
            }
            if (str[i+1] === '/') {
                str[i] = '';
                mode.lineComment = true;
                continue;
            }
            mode.regex = true;
 
        }
 
    }
    return str.join('').slice(2, -2);
}

PHP代码：

^\/(?:\/|\*).*

演示

---

或者也许这样，来验证

$re = "/^\\/(?:\\/|\\*).*/m"; 
$str = "<script>\n\n// This is a comment\n/* This is another comment */\n\n// The following is not a comment\nvar src=\"//google.com\"; \n\n</script>"; 

preg_match_all($re, $str, $matches);

：

*/

PHP代码：

^\/{2}.*|\/\*.*\*\/$

演示2