Sta*_*ful 15 html javascript c#
<html>
<head>
<script type="text/javascript" src="jquery.js"></script>
<script type="text/javascript">
if (window.self === window.top) { $.getScript("Wing.js"); }
</script>
</head>
</html>
有没有办法在C#中修改上面的HTML文件并将其转换为这种格式:
<html>
<head>
</head>
</html>
基本上我的目标是从HTML页面中删除所有JavaScript.我不知道什么是修改HTML文件的最佳方法.我想以编程方式进行,因为有数百个文件需要修改.
Jer*_*rry 26
它可以使用正则表达式完成:
Regex rRemScript = new Regex(@"<script[^>]*>[\s\S]*?</script>");
output = rRemScript.Replace(input, "");
值得一看:HTML Agility Pack
编辑:具体的工作代码
HtmlAgilityPack.HtmlDocument doc = new HtmlAgilityPack.HtmlDocument();
string sampleHtml =
"<html>" +
"<head>" +
"<script type=\"text/javascript\" src=\"jquery.js\"></script>" +
"<script type=\"text/javascript\">" +
"if (window.self === window.top) { $.getScript(\"Wing.js\"); }" +
"</script>" +
"</head>" +
"</html>";
MemoryStream ms = new MemoryStream(Encoding.ASCII.GetBytes(sampleHtml));
doc.Load(ms);
List<HtmlNode> nodes = new List<HtmlNode>(doc.DocumentNode.Descendants("head"));
int childNodeCount = nodes[0].ChildNodes.Count;
for (int i = 0; i < childNodeCount; i++)
nodes[0].ChildNodes.Remove(0);
Console.WriteLine(doc.DocumentNode.OuterHtml);
我认为正如其他人所说,HtmlAgility包是最好的选择.我用它来刮去并去掉一些难以转角的箱子.但是,如果一个简单的正则表达式是你的目标,那么也许你可以试试<script(.+?)*</script>.这将删除令人讨厌的嵌套javascript以及普通的东西,即链接中引用的类型(提取脚本标记的正则表达式):
<html>
<head>
<script type="text/javascript" src="jquery.js"></script>
<script type="text/javascript">
if (window.self === window.top) { $.getScript("Wing.js"); }
</script>
<script> // nested horror
var s = "<script></script>";
</script>
</head>
</html>
用法:
Regex regxScriptRemoval = new Regex(@"<script(.+?)*</script>");
var newHtml = regxScriptRemoval.Replace(oldHtml, "");
return newHtml; // etc etc
| 归档时间： |
|
| 查看次数： |
22808 次 |
| 最近记录： |