怎样用正则表达式删除<script></script>之间的网页代码？

Question

之前的帖是介绍怎么删除<>之间的，但我去掉整段javascript代码，应该怎样写？谢谢…………例如：<SCRIPT language=JavaScript>
function checkemail(form)
{
  if(!form.LoginName.value){
    form.LoginName.focus();
    return false;
}
</script>

Answer 1

如果只要删掉js的代码：
string regex = @"^<script language=javascript>.*</script>";
string result = Regex.Replace(input, regex, "");

Answer 2

恩……但是不一定是这样的包着，也可能是<script></script>

Answer 3

<script.*</script>
<script[^>]*?>.*?</script>
<script[^>]*?>[.\n]*?</script>
<script[^>]*>([\s\S](?!<script))*?</script>以上四个都不行~~~

Answer 4

仍然不行，大家可以试试private void menuItem4_Click(object sender, System.EventArgs e)
{
WebClient astroWebClient = new WebClient();
astroWebClient.Credentials = CredentialCache.DefaultCredentials;    string page2 = "http://www.21cn.com/"; Byte[] pageData = astroWebClient.DownloadData(page2);
string pageHtml = Encoding.Default.GetString(pageData); //GB2312
//pageHtml = Regex.Replace(pageHtml, @"<[^>]+>",""); Console.Write(StripHTML1(pageHtml));
}public static string StripHTML1(string strHtml)
{
string strOutput = strHtml;
    
    //Regex regex1 = new Regex(@"<script.*</script>");
    //Regex regex1 = new Regex(@"<script[^>]*?>.*?</script>");
    //Regex regex1 = new Regex(@"<script[^>]*?>[.\n]*?</script>", RegexOptions.IgnoreCase);
    //Regex regex1 = new Regex(@"<script[^>]*>([\s\S](?!<script))*?</script>");
    Regex regex1 = new Regex(@"<script>[\s\S]+?</script>", RegexOptions.IgnoreCase);    bool a = regex1.IsMatch(strOutput);
    MessageBox.Show(a.ToString());
    strOutput = regex1.Replace(strOutput,"");
//Regex regex2 = new Regex(@"<[^>]+>|</[^>]+>");
//strOutput = regex2.Replace(strOutput,"");
return strOutput;
}

Answer 5

strOutput = regex1.Replace(strOutput,"");
改为：
strOutput = strOutput.Replace(regex1,"");

Answer 6

下面这段基本上对了，可是还是有bugRegex regex1 = new Regex(@"(?i)<script[^>]*>([\s\S](?!<script))*?</script([^>])*>", RegexOptions.IgnoreCase);
strOutput = regex1.Replace(strOutput,"");Regex regex2 = new Regex(@"<[^>]+>|</[^>]+>");
strOutput = regex2.Replace(strOutput,"");

Answer 7

try:regex r=new regex
(@"<SCRIPT language=JavaScript>(.|\s)*?</script>",RegexOptions.IgnoreCase)r.replace(...);

Answer 8

bug是这样的：当js代码如下时：<SCRIPT LANGUAGE="JavaScript">
document.writemmm");
document.write("<script>\n");
document.write("\n");
</SCRIPT>由于中间出现了document.write("<script>\n");于是正则表达式子会把之前得到
<SCRIPT LANGUAGE="JavaScript">
document.writemmm");
抛弃，然后从
("<script>\n");
document.write("\n");
</SCRIPT>
这里继续截取，于是那段被抛弃的代码便去不到，大家有什么解决方案？想知道百度是怎么解决的

Answer 9

sorry，刚才是糊涂了。。
如果如楼上所说，可以在regex最前面加^试试

Answer 10

其实呢这里已经实现了如果重叠的情况，可是不知是C#正则引擎的问题还是什么，只跳过了一个重复的<scritp>，第二个就跳不过，结果把之前的当作普通内容抛弃了<script[^>]*>([\s\S](?!<script))*?</script([^>])*>([\s\S](?!<script))*?   这里已经规定在未遇到结束的</script>之前遇到<script就不用理会

Answer 11

#region 去除HTML标记
        /// <summary>
        /// 去除HTML标记
        /// </summary>
        /// <param name="Htmlstring">包括HTML的源码 </param>
        /// <returns>已经去除后的文字</returns>
        public static string NoHTML(string Htmlstring)
        {
            //删除脚本
            Htmlstring = Regex.Replace(Htmlstring, @"<script[^>]*?>.*?</script>", "", RegexOptions.IgnoreCase);
            //删除HTML
            Htmlstring = Regex.Replace(Htmlstring, @"<(.[^>]*)>", "", RegexOptions.IgnoreCase);
            Htmlstring = Regex.Replace(Htmlstring, @"([\r\n])[\s]+", "", RegexOptions.IgnoreCase);
            Htmlstring = Regex.Replace(Htmlstring, @"-->", "", RegexOptions.IgnoreCase);
            Htmlstring = Regex.Replace(Htmlstring, @"<!--.*", "", RegexOptions.IgnoreCase);
            Htmlstring = Regex.Replace(Htmlstring, @"&(quot|#34);", "\"", RegexOptions.IgnoreCase);
            Htmlstring = Regex.Replace(Htmlstring, @"&(amp|#38);", "&", RegexOptions.IgnoreCase);
            Htmlstring = Regex.Replace(Htmlstring, @"&(lt|#60);", "<", RegexOptions.IgnoreCase);
            Htmlstring = Regex.Replace(Htmlstring, @"&(gt|#62);", ">", RegexOptions.IgnoreCase);
            Htmlstring = Regex.Replace(Htmlstring, @"&(nbsp|#160);", " ", RegexOptions.IgnoreCase);
            Htmlstring = Regex.Replace(Htmlstring, @"&(iexcl|#161);", "\xa1", RegexOptions.IgnoreCase);
            Htmlstring = Regex.Replace(Htmlstring, @"&(cent|#162);", "\xa2", RegexOptions.IgnoreCase);
            Htmlstring = Regex.Replace(Htmlstring, @"&(pound|#163);", "\xa3", RegexOptions.IgnoreCase);
            Htmlstring = Regex.Replace(Htmlstring, @"&(copy|#169);", "\xa9", RegexOptions.IgnoreCase);
            Htmlstring = Regex.Replace(Htmlstring, @"&#(\d+);", "", RegexOptions.IgnoreCase);            Htmlstring.Replace("<", "");
            Htmlstring.Replace(">", "");
            Htmlstring.Replace("\r\n", "");
            Htmlstring = HttpContext.Current.Server.HtmlEncode(Htmlstring).Trim();            return Htmlstring;
        }
        #endregion

Answer 12

非常感谢楼上的，不过有两个问题：1.HttpContext在2003在System.Web空间，但在2005没有
2.仍然没有去掉<script></script>标签里面的内容不过字符转换的处理比较详细，再次感谢！

Answer 13

youstr=Regex.Replace(youstr, @"<script[^>]*?>.*?</script>", "", RegexOptions.IgnoreCase);
测试数据：
<SCRIPT LANGUAGE="JavaScript">
document.writemmm");
document.write("<script>\n");
document.write("\n");
</SCRIPT>
<SCRIPT LANGUAGE="JavaScript">
document.writemmm");
document.write("<script>\n");
document.write("\n");
</SCRIPT>
正则模式:Singleline
匹配数:2
*******************
<SCRIPT LANGUAGE="JavaScript">
document.writemmm");
document.write("<script>\n");
document.write("\n");
</SCRIPT>
*******************
<SCRIPT LANGUAGE="JavaScript">
document.writemmm");
document.write("<script>\n");
document.write("\n");
</SCRIPT>