Sử dụng Regex để xóa thẻ tập lệnh

Question

Tôi đang cố gắng sử dụng cụm từ Regex tôi đã tìm thấy trong trang web này và dường như nó không hoạt động. Bất kỳ ý tưởng?

chuỗi Input:

sFetch = "123<script type=\"text/javascript\">\n\t\tfunction utmx_section(){}function utmx(){}\n\t\t(function()})();\n\t</script>456"; 

Regex:

sFetch = Regex.Replace(sFetch, "<script.*?>.*?</script>", "", RegexOptions.IgnoreCase); 

Answer 1

Thêm RegexOptions.Singleline

RegexOptions.IgnoreCase | RegexOptions.Singleline 

Và đó sẽ không bao giờ làm việc trên theo một.

<script 
> 
alert(1) 
</script 
/**/ 
> 

Vì vậy, Tìm một phân tích cú pháp HTML như HTML Agility Pack

Answer 2

Lý do regex thất bại là đầu vào của bạn có newlines và char meta . không phù hợp với nó.

Để giải quyết điều này, bạn có thể sử dụng tùy chọn RegexOptions.Singleline như S.Mark nói, hoặc bạn có thể thay đổi regex để:

"<script[\d\D]*?>[\d\D]*?</script>" 

mà sử dụng [\d\D] thay vì ..

\d là bất kỳ chữ số nào và \D là bất kỳ chữ số nào, vì vậy [\d\D] là chữ số hoặc chữ số không thực sự là bất kỳ chữ cái nào.

Answer 3

Đây là một chút ngắn hơn:

"<script[^<]*</script>" 

hoặc

"<[^>]*>[^>]*>" 

Answer 4

Nếu bạn thực sự muốn để khử trùng một chuỗi html (và bạn đang sử dụng NET) sau đó hãy xem tại Microsoft Web Protection Library :

Sanitizer.GetSafeHtmlFragment(untrustedHtml); 

Có mô tả here.