使用 PHP 去除 HTML 注释但保留条件

Question

我目前正在使用 PHP 和正则表达式来删除页面中的所有 HTML 注释。 剧本运作良好……有点太好了。 它删除了所有评论，包括我在 . 这就是我所得到的：

<?php
  function callback($buffer)
  {
        return preg_replace('/<!--(.|\s)*?-->/', '', $buffer);
  }

  ob_start("callback");
?>
... HTML source goes here ...
<?php ob_end_flush(); ?>

由于我的正则表达式不太热，我在尝试找出如何修改模式以排除条件注释时遇到了麻烦，例如：

<!--[if !IE]><!-->
<link rel="stylesheet" href="/css/screen.css" type="text/css" media="screen" />
<!-- <![endif]-->

<!--[if IE 7]>
<link rel="stylesheet" href="/css/ie7.css" type="text/css" media="screen" />
<![endif]-->

<!--[if IE 6]>
<link rel="stylesheet" href="/css/ie6.css" type="text/css" media="screen" />
<![endif]-->

干杯

Answer 1

由于注释不能嵌套在 HTML 中，因此理论上，正则表达式可以完成这项工作。 尽管如此，使用某种解析器将是更好的选择，特别是如果您的输入不能保证格式良好。

这是我的尝试。 为了只匹配正常的评论，这可以工作。 它已经变成了一个怪物，对此感到抱歉。 我已经对其进行了广泛的测试，看起来效果很好，但我不提供任何保证。

<!--(?!\s*(?:\[if [^\]]+]|<!|>))(?:(?!-->).)*-->

说明：

<!--                #01: "<!--"
(?!                 #02: look-ahead: a position not followed by:
  \s*               #03:   any number of space
  (?:               #04:   non-capturing group, any of:
    \[if [^\]]+]    #05:     "[if ...]"
    |<!             #06:     or "<!"
    |>              #07:     or ">"
  )                 #08:   end non-capturing group
)                   #09: end look-ahead
(?:                 #10: non-capturing group:
  (?!-->)           #11:   a position not followed by "-->"
  .                 #12:   eat the following char, it's part of the comment
)*                  #13: end non-capturing group, repeat
-->                 #14: "-->"

步骤 #02 和 #11 至关重要。 #02 确保以下字符不表示条件注释。 之后，#11 确保后面的字符不指示注释的结束，而 #12 和 #13 导致实际匹配。

使用“global”和“dotall”标志应用。

要执行相反的操作（仅匹配条件注释），将类似于以下内容：

<!(--)?(?=\[)(?:(?!<!\[endif\]\1>).)*<!\[endif\]\1>

说明：

<!                  #01: "<!"
(--)?               #02: two dashes, optional
(?=\[)              #03: a position followed by "["
(?:                 #04: non-capturing group:
  (?!               #05:   a position not followed by
    <!\[endif\]\1>  #06:     "<![endif]>" or "<![endif]-->" (depends on #02)
  )                 #07:   end of look-ahead
  .                 #08:   eat the following char, it's part of the comment
)*                  #09: end of non-capturing group, repeat
<!\[endif\]\1>      #10: "<![endif]>" or "<![endif]-->" (depends on #02)

再次应用“global”和“dotall”标志。

步骤#02是因为“downlevel-revealed”语法，请参阅：“MSDN - 关于条件注释”。

我不完全确定哪里允许或期望有空格。 在适当的位置将 \s* 添加到表达式中。

Answer 2

如果您无法让它与一个正则表达式一起使用，或者您发现想要保留更多注释，您可以使用 preg_replace_callback。 然后，您可以定义一个函数来单独处理注释。

<?php
function callback($buffer) {
    return preg_replace_callback('/<!--.*-->/U', 'comment_replace_func', $buffer);
}

function comment_replace_func($m) {
    if (preg_match( '/^\<\!--\[if \!/i', $m[0])) {
        return $m[0];   
    }              

    return '';
}   

ob_start("callback");
?>

... HTML source goes here ...

<?php ob_end_flush(); ?>

Answer 3

总而言之，这似乎是最好的解决方案：

<?php
  function callback($buffer) {
    return preg_replace('/<!--[^\[](.|\s)*?-->/', '', $buffer);
  }
  ob_start("callback");
?>
... HTML source goes here ...
<?php ob_end_flush(); ?>

它删除了所有注释并留下条件语句，但最上面的条件语句除外：

<!--[if !IE]><!-->
<link rel="stylesheet" href="/css/screen.css" type="text/css" media="screen" />
<!-- <![endif]-->

附加语句似乎导致了问题。

如果有人可以建议正则表达式考虑到这一点并保留该条件，那么那就完美了。

Tomalak的解决方案看起来不错，但作为一个新手，没有进一步的指导方针，我不知道如何实现它，尽管我想尝试一下，如果有人可以详细说明如何应用它？

谢谢

Answer 4

我不确定 PHP 的正则表达式引擎是否会喜欢以下内容，但请尝试以下模式：

'/<!--(.|\s)*(\[if .*\]){0}(.|\s)*?-->/'

Answer 5

像这样的东西可能会起作用：

/<!--[^\[](.|\s)*?-->/

它与您的相同，只是它忽略紧跟在评论开始标记后面的左括号的评论。