如何从 "script" 元素中删除评论而不是 HTML 的其余部分？

Question

如何只针对脚本元素内的评论，而不是所有 "double slash" 评论，例如，this:

<a href="https://www.example.com">Link to example.com</a>
<script type="text/javascript">
  // I am a comment, I describe this script
  console.log("Hello World!");
</script>

变成这样：

<a href="https://www.example.com">Link to example.com</a>
<script type="text/javascript">
  console.log("Hello World!");
</script>

到目前为止我有这个：

html = re.sub(re.compile(r"\/\/.*?\n"), "\n", html)

它有效，但它也删除了我在 href 和 src 属性中的链接。

Answer 1

隔离你的脚本标签：

scripts = bs4_obj.find_all('script')
for script in script:
    # Your regex

Answer 2

尝试：

comments_match = r"[^:]\/\/.+\r?\n" 
print( re.sub(comments_match, "\n", your_html_string) )

查看否定字符的信息类 - http://www.regular-expressions.info/charclass.html

Answer 3

您可以使用 regex 的 Negative Lookbehind 来完成此操作。所以，下面的代码应该可以做到：

html = re.sub(re.compile(r"(?<!:)\/\/.*\n"), "\n", html)

见demo

如何从 "script" 元素中删除评论而不是 HTML 的其余部分？

How do I remove comments from inside a "script" element but not the rest of the HTML?

html

python

regex

comments

python-3.x