Как удалить все условные комментарии HTML? - PullRequest
Новая
       8

Как удалить все условные комментарии HTML?

0 голосов
/ 09 марта 2019

Как удалить все условные комментарии HTML с помощью регулярных выражений (lex & yacc)? Я хочу удалить все эти комментарии и оставить только последний HTML-тег.

Я пробовал это регулярное выражение "<!"(.*?)-->, чтобы получить условные комментарии, но это не сработало, я ищу регулярное выражение, которое соответствует этим условным комментариям. 

"<!"(.*?)-->

Вот код HTML ниже: я пытаюсь удалить все комментарии и оставить только последний тег HTML. 

<!--[if lte IE 7]> 

    <html class="ie7 oldie" xmlns="http://www.w3.org/1999/xhtml" lang="fr" xml:lang="fr"> 

<![endif]-->


<!--[if IE 8]> 

    <html class="ie8 oldie" xmlns="http://www.w3.org/1999/xhtml" lang="fr" xml:lang="fr"> 

<![endif]-->


<!--[if gt IE 8]><!--> 
    <html xmlns="http://www.w3.org/1999/xhtml" lang="fr" xml:lang="fr"> 
<!--<![endif]-->

1 Ответ

0 голосов
/ 10 марта 2019

Вот два важных факта о (f) лекс регулярных выражениях.(См. Руководство flex для полной документации шаблонов Flex. Этот раздел не очень длинный.)

  1. In (f) lex, подстановочный знак . соответствуетвсе что угодно кроме символа новой строки .Другими словами, это эквивалентно [^\n].Так что "<!".* будет соответствовать только концу строки.Вы можете исправить это, используя вместо этого (.|\n), но см. Ниже.

  2. (F) lex не обеспечивает жадного повторения (*?).Все повторения распространяются на максимально возможное совпадение.Следовательно, (.*?)--> будет соответствовать последнему --> в строке, а (.|\n)*?--> будет соответствовать последнему --> в файле.

Возможнонапишите регулярное выражение, которое делает то, что вы хотите, хотя оно немного запутанно: 

<!--([^-]|-[^-]|--+[^->])*--+>

должно работать, пока вводимый текст не заканчивается неоконченным комментарием.(Кавычки в вашем шаблоне не нужны, так как ни один из символов в кавычках не имеет какого-либо особого значения для (f) lex, но они не причиняют вреда. Я их пропустил, потому что не думаю, что они способствуют тому, чтобы шаблон стал менее читабельным.)

Повторяющаяся последовательность соответствует любому из:

  • Символ, отличный от -;или
  • A -, за которым следует что-то отличное от -;или
  • Два или более -, за которыми следует что-то отличное от >.

Последняя альтернатива в повторении может потребовать некоторого объяснения.Основная проблема заключается в том, чтобы избежать проблем с такими входными данными, как 

<!-- Comment with two many dashes --->

Если бы мы просто записали заманчивый --[^>] в качестве третьей альтернативы, ---> не был бы распознан как завершение шаблона, так как --- будет соответствовать --[^>] (тире - это не правая угловая скобка), а > будет соответствовать [^-], и сканирование будет продолжено.Добавление + для соответствия более длинной последовательности тире недостаточно, потому что, как и многие механизмы регулярных выражений, (f) lex ищет самое длинное общее совпадение, а не самое длинное совпадение в каждом наборе альтернатив.Поэтому нам нужно написать --+[^->], что не может соответствовать ---.

Если это было непонятно - и я понимаю, почему это не так - вместо этого вы можете использовать начальное условие , чтобы написать гораздо более простой набор шаблонов: 

%x COMMENT
%%
"<!--"    { BEGIN(COMMENT); }
<COMMENT>{
   "-->"   { BEGIN(INITIAL); }
   [^-]+   ;
   .|\n    ;
}

Второе правило <COMMENT> - это просто взлом эффективности;он избегает запуска неактивных действий для каждого персонажа.Со вторым правилом последнее правило действительно может соответствовать только одному -, так что оно могло бы быть написано таким образом.Но полное его написание позволяет вам удалить второе правило и продемонстрировать себе, что оно работает без него.

Ключевым моментом для сопоставления комментария по частям, подобным этому, является то, что (f) lex всегда выбирает самое длинное совпадение, что в некоторой степени похоже на цель не жадных матчей.Находясь в начальном условии <COMMENT>, - будет соответствовать правилу возврата только одного символа, если оно не может быть частью совпадения -->, которое длиннее.

...