如何使用正则表达式提取 `` 标签中的完整内容？

正则匹配 script 标签中间内容的完整方法

在处理 html 文档时，经常需要提取特定元素的内容。本文将探讨如何使用正则表达式捕获 <script> 标签中间部分的完整内容。

假设有一个 php 文件包含以下内容：

<script src="static/js/jsencrypt.js?v=<?= web_version ?>"></script>
<script src="static/js/jquery.form.js?v=<?= web_version ?>"></script>
<script type="text/javascript">
    var a = 1;
    var b = 2;
</script>

问题是如何通过正则表达式提取第三个 <script> 标签中的内容，即：

    var a = 1;
    var b = 2;

一种简单的正则表达式可以是：

/(<scriptb[^>]*>)([ss]*?)(</script>)/gm

然而，这种正则表达式在处理属性中包含引号的情况时会出现问题。例如，如果 <script> 标签的 src 属性为：

src="static/js/my-script.js?v="version-1.0""

则上述正则表达式将错误匹配该属性值中的双引号。

为了解决这个问题，可以使用一个更复杂的正则表达式：

/(<scriptb([^"<>]+|"[^"]*")*>)([sS]*?)(</script>)/g

此正则表达式考虑了属性可能包含引号的情况，从而可以准确匹配 <script> 标签中的内容。