Question

我想要一个可以在HTML源页面中匹配条件注释的正则表达式，所以我只能删除那些。我想保留常规评论。

我还想避免使用。*？符号如果可能的话。

文字是

foo

<!--[if IE]>

<style type="text/css">

ul.menu ul li{
    font-size: 10px;
    font-weight:normal;
    padding-top:0px;
}

</style>

<![endif]-->

bar

我希望删除

中的所有内容

编辑：由于BeautifulSoup，我想删除这些标签。 BeautifulSoup无法解析并提供不完整的来源

EDIT2： [如果IE]不是唯一的条件。还有更多，我没有任何可能的组合列表。

EDIT3： Vinko Vrsalovic的解决方案有效，但是为什么beautifulsoup失败的实际问题是由于条件评论中的流氓评论。像

<!--[if lt IE 7.]>
<script defer type="text/javascript" src="pngfix_253168.js"></script><!--png fix for IE-->
<![endif]-->

请注意评论？

虽然我的问题已解决，但我很乐意为此获得正则表达式解决方案。

Answer 1

>>> from BeautifulSoup import BeautifulSoup, Comment
>>> html = '<html><!--[if IE]> bloo blee<![endif]--></html>'
>>> soup = BeautifulSoup(html)
>>> comments = soup.findAll(text=lambda text:isinstance(text, Comment) 
               and text.find('if') != -1) #This is one line, of course
>>> [comment.extract() for comment in comments]
[u'[if IE]> bloo blee<![endif]']
>>> print soup.prettify()
<html>
</html>
>>>

python 3 with bf4：

from bs4 import BeautifulSoup, Comment
html = '<html><!--[if IE]> bloo blee<![endif]--></html>'
soup = BeautifulSoup(html, "html.parser")
comments = soup.findAll(text=lambda text:isinstance(text, Comment) 
               and text.find('if') != -1) #This is one line, of course
[comment.extract() for comment in comments]
[u'[if IE]> bloo blee<![endif]']
print (soup.prettify())

如果你的数据让BeautifulSoup感到困惑，你可以事先fix或者customize解析器，以及其他解决方案。

编辑：根据您的评论，您只需根据需要修改传递给findAll的lambda（我对其进行了修改）

Answer 2

以下是您需要的内容：

<!(|--)\[[^\]]+\]>.+?<!\[endif\](|--)>

它将过滤掉各种条件评论，包括：

<!--[if anything]>
    ...
<[endif]-->

和

<![if ! IE 6]>
    ...
<![endif]>

EDIT3 ：Vinko Vrsalovic的解决方案有效，但是beautifulsoup失败的实际问题是由于条件评论中的流氓评论。像



注意评论？

虽然我的问题已解决，但我很乐意为此获得正则表达式解决方案。

这个怎么样：

(<!(|--)\[[^\]]+\]>.*?)(<!--.+?-->)(.*?<!\[endif\](|--)>)

替换正则表达式，将\ 1 \ 4（或$ 1 $ 4）作为替换 我知道它有。*？和。+？在其中，请参阅我对此帖的评论。

Answer 3

在我看来，你只需要担心下层隐藏的评论（以<!--开头的评论），你不需要匹配任何字词以外的内容if及其后的空格。这应该做你想要的：

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

中间的混乱是为了满足你不使用.*?的愿望，但我并不认为这是值得的。如果您使用Re.S标志集编译正则表达式或将其包装在.*?中，(?s:...)方法应该可以正常工作。例如：

"(?s:<!--\[if\s.*?<!\[endif\]-->)"

Answer 4

@Benoit

小修正（多线打开）：

 "<!--\[if IE\]>.*?<!\[endif\]-->"

Answer 5

我只是选择：

import re

html = """fjlk<wb>dsqfjqdsmlkf fdsijfmldsqjfl fjdslmfkqsjf<---- fdjslmjkqfs---><!--[if lt IE 7.]>\
<script defer type="text/javascript" src="pngfix_253168.js"></script><!--png fix for IE-->\
<![endif]-->fjlk<wb>dsqfjqdsmlkf fdsijfmldsqjfl fjdslmfkqsjf<---- fdjslmjkqfs--->"""

# here the black magic occurs (whithout '.')
clean_html = ''.join(re.split(r'<!--\[[^¤]+?endif]-->', html))

print clean_html

'fjlk<wb>dsqfjqdsmlkf fdsijfmldsqjfl fjdslmfkqsjf<---- fdjslmjkqfs--->fjlk<wb>dsqfjqdsmlkf fdsijfmldsqjfl fjdslmfkqsjf<---- fdjslmjkqfs--->'

N.B：[^¤]将匹配任何不是'¤'的字符。这非常有用，因为它快速闪电，这个字符可以在任何键盘上找到。但诀窍是它很难输入（没有人会错误地输入它）并且没有人使用它：它是一种通用的货币设计。

但是，如果您不想使用¤，则可以使用chr（7）生成“系统铃”字符，这是不可打印的，无法在网页中找到; - ）

Answer 6

不要使用正则表达式。您会对包含开始标记的评论感到困惑，哪些不是，并做错了。 HTML不常规，尝试使用单个正则表达式修改它将失败。

为此使用HTML解析器。 BeautifulSoup是一个优秀，简单，灵活和坚固的，能够处理真实世界（意味着无可救药地破坏）的HTML。有了它，您只需查找所有注释节点，检查其内容（如果您愿意，可以使用的正则表达式），如果需要删除它们，请将其删除。

Answer 7

这适用于Visual Studio 2005，其中没有行间距选项：

\<!--\[if IE\]\>{.|\n}*\<!\[endif\]--\>

正则表达式删除条件注释

7 个答案: