如何删除<script></script>标签之间的文本

Question

我想要移除在<script></script>标签之间的内容。我正在手动检查模式并使用while循环来进行迭代。但是，我在这行代码上遇到了StringOutOfBoundException错误：

String script = source.substring(startIndex,endIndex-startIndex);

下面是完整的方法：

public static String getHtmlWithoutScript(String source) {
    String START_PATTERN = "<script>";
    String END_PATTERN = " </script>";
    while (source.contains(START_PATTERN)) {
        int startIndex=source.lastIndexOf(START_PATTERN);
        int endIndex=source.indexOf(END_PATTERN,startIndex);

        String script=source.substring(startIndex,endIndex);
        source.replace(script,"");
    }
    return source;
}

这里我做错了什么吗？而且我得到了 endIndex=-1 的结果。有人能帮我确定一下，为什么我的代码会出现错误吗？

- Sangeetha Pinto

Answer 1

String text = "<script>This is dummy text to remove </script> dont remove this";
    StringBuilder sb = new StringBuilder(text);
    String startTag = "<script>";
    String endTag = "</script>";

    //removing the text between script
    sb.replace(text.indexOf(startTag) + startTag.length(), text.indexOf(endTag), "");

    System.out.println(sb.toString());

如果您想删除脚本标记，可以添加以下行：

sb.toString().replace(startTag, "").replace(endTag, "")

更新：

如果你不想使用 StringBuilder，你可以这样做：

    String text = "<script>This is dummy text to remove </script> dont remove this";
    String startTag = "<script>";
    String endTag = "</script>";

    //removing the text between script
    String textToRemove = text.substring(text.indexOf(startTag) + startTag.length(), text.indexOf(endTag));
    text = text.replace(textToRemove, "");

    System.out.println(text);

- Akash Singh

Answer 2

您可以使用正则表达式来删除脚本标签的内容：

public String removeScriptContent(String html) {
         if(html != null) {
            String re = "<script>(.*)</script>";

            Pattern pattern = Pattern.compile(re);
            Matcher matcher = pattern.matcher(html);
            if (matcher.find()) {
                return html.replace(matcher.group(1), "");
            }
        }
        return null;
     }

你需要添加这两个导入：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

- alcaamado

---

你真的测试过这个吗？ - Kagiso Marvin Molekwa

我会将其变成惰性的。 - Pranaya Tomar

对我不起作用。 - Dale

Answer 3

我知道我可能晚了。但我想给你一个正则表达式（真的经过测试的解决方案）。

在这里需要注意的是，当涉及到正则表达式时，默认情况下它们的引擎是贪婪的。因此，搜索串如 <script>(.*)</script> 将匹配从 <script> 开始直到行末或文件末尾（取决于使用的 regexp 选项）的整个字符串。这是因为搜索引擎默认使用贪婪匹配。

现在，为了以准确的方式执行所需的匹配...您可以使用“惰性”搜索。

通过惰性加载进行搜索 <script>(.*?)<\/script>

有了这个，您将获得准确的结果。

您可以在 此处 阅读更多关于 Regexp Lazy & Greedy 的内容。

- Kagiso Marvin Molekwa

Answer 4

这对我有用：

private static String removeScriptTags(String message) {
  String scriptRegex = "<(/)?[ ]*script[^>]*>";
  Pattern pattern2 = Pattern.compile(scriptRegex);

  if(message != null) {
        Matcher matcher2 = pattern2.matcher(message);
        StringBuffer str = new StringBuffer(message.length());
        while(matcher2.find()) {
          matcher2.appendReplacement(str, Matcher.quoteReplacement(" "));
        }
        matcher2.appendTail(str);
        message = str.toString();
  }
 return message;
}

感谢nealvs：https://nealvs.wordpress.com/2010/06/01/removing-tags-from-a-string-in-java/

- Dale