Question

我有一个shell片段，可以在数千个随机html页面中找到所有外部JavaScript脚本，这些页面使用<script src="…"范例包含所述脚本，并带有绝对URL：

find ./ -type f -print0 | xargs -0 \
    perl -nle 'print $1 \
        while (m%<script[^>]+((https?:)?//[-./0-9A-Z\_a-z]+)%ig);'

由于脚本也可以在JavaScript本身内动态加载，我想扩展我的代码段以匹配以.js结尾的绝对类似URL的字符串，最好出现在script标记内。（这不是100％准确，但可能足以找到一些额外的外部脚本案例。）

我正在考虑像<script[^>]*>.*["']((((https?)?:)?//)?[-.0-9A-Za-z]+\.[A-Za-z]{2,}/[-./0-9A-Z\_a-z]+\.js)这样的东西，最后也可能会考虑.*</script>。

确保在.js内多次提及script导致多个匹配（上面的正则表达式本身不会自行执行），以及我的两个表达式，这是一个棘手的部分。不匹配的方式是在输入中一次提到给定的$1匹配字符串时产生两个输出。

将这个新正则表达式添加到我的perl片段有什么好方法？

Answer 1

一个棘手的部分是确保多次提及.js 脚本导致多个匹配（上面的正则表达式赢得了本身）...

这可以通过将预期的正则表达式分成两部分来实现 - 一部分用于<script>标记，另一部分用于.js匹配 - 并在嵌套循环中调用部分;通过修饰符c可以实现嵌套，这可以防止线条中的当前位置在匹配后重置，以及\G锚点匹配上一个g匹配停止的位置。

......还有我表达的两种表达方式从一次提到给定的$1匹配得到两个输出输入中的字符串。

第一个表达式仅匹配<script …>标记，第二个表达式仅匹配<script>和</script>标记，确保了这一点。

因此，shell代码段的perl部分可能如下所示：

perl -nle ' print $1 while m%<script[^>]+((https?:)?//[-./0-9A-Z\_a-z]+)%ig; while (m%<script[^>]*>%ig) # for each <script> tag { print $2 while m% # allow multiple mentions of `.js` \G((?!</script>).)*? # do not pass over </script>, be non-greedy ["'"'](((https?:)?//)?[-.0-9A-Za-z]+\.[A-Za-z]{2,}/[-./0-9A-Z\_a-z]+\.js) %ixgc # c: keep the Current position for outer loop }"

如何在perl中应用两个单独的正则表达式

1 个答案: