如何在PHP中实现检测并移除JavaScript注释的正则表达式

我有一个正则表达式，能检测JavaScript的//单行注释和/* ... */多行注释，同时会忽略引号内的注释内容，也能处理.replace(/'/...这类场景，表现没问题。但我不知道怎么在PHP里用这个正则移除检测到的注释。我试了preg_replace_callback，但没得到预期结果。

$js = <<<'PATTERN'
doSomething('aaaaa//cccccccc'); // c1ccccccc
/* c2cc' cc'ccc */
doSomething2(111, 222, 333); // c3ccccccc
abc.replace(/'/g, 'aaaaaa//aaaaa'); /* c4ccccccc */
abc.replace(/"/g, 'aaaaaaa'); /* c5ccccccc */
doSomething("<div>aaaaaaaa//aaaaaaaaaaaaa aaaaaaa aaaaaaa</div>",1234);// c6ccccccc
doSomething('<div>aaaaaaaa//aaaaaaaaaaaaa aaaaaaa aaaaaaa</div>',1234);// c7ccccccc
PATTERN;

$regex = <<<'PATTERN2'
~((["'])(?:\\[\s\S]|.)*?\2|(?:[^\w\s]|^)\s*/(?![*/])(?:\\.|\[(?:\\.|.)\]|.)*?/(?=[gmiy]{0,4}\s*(?![*/])(?:\W|$)))|//.*?$|/\*[\s\S]*?\*/~sm
PATTERN2;

$newJS = preg_replace_callback($regex
            , function ($m) {
                $match = $m[0];
                if (str_starts_with($match, '/*') || str_starts_with($match, '//')) {
                    return '';
                }
                return $match;
            }, $js);

echo $newJS;

doSomething('aaaaa//cccccccc'); // c1ccccccc
xx
doSomething2(111, 222, 333); // c3ccccccc
abc.replace(/'/g, 'aaaaaa//aaaaa'); xx
abc.replace(/"/g, 'aaaaaaa'); xx
doSomething("<div>aaaaaaaa//aaaaaaaaaaaaa aaaaaaa aaaaaaa</div>",1234);// c6ccccccc
doSomething('<div>aaaaaaaa//aaaaaaaaaaaaa aaaaaaa aaaaaaa</div>',1234);xx

你遇到的问题主要有3个：

1. 正则表达式的问题：原正则里用了HTML实体"代替双引号，导致无法匹配实际的双引号字符串；同时缺少sm修饰符——s让.匹配换行符，m让$匹配每行的结尾，保证单行注释能正确匹配到行尾。
2. 变量名不一致：你定义的是$html变量，但回调里用的是$js，导致实际处理的是未定义的变量（PHP会警告，且处理空内容）。
3. 替换逻辑错误：原回调返回"xx"而不是空字符串，这只是替换成占位符，而非移除注释。

修正后的完整代码如上，执行后会得到预期结果：

doSomething('aaaaa//cccccccc'); 

doSomething2(111, 222, 333); 
abc.replace(/'/g, 'aaaaaa//aaaaa'); 
abc.replace(/"/g, 'aaaaaaa'); 
doSomething("<div>aaaaaaaa//aaaaaaaaaaaaa aaaaaaa aaaaaaa</div>",1234);
doSomething('<div>aaaaaaaa//aaaaaaaaaaaaa aaaaaaa aaaaaaa</div>',1234);

另外，正则里的分组逻辑是：第一个大括号内的内容是需要保留的（字符串、正则表达式字面量），后面的两个分支是需要移除的注释，也可以通过判断分组是否为空来更精准处理：

$newJS = preg_replace_callback($regex, function ($m) {
    // 如果第一个分组有内容（说明是字符串或正则），返回原内容
    if (!empty($m[1])) {
        return $m[1];
    }
    // 否则是注释，返回空
    return '';
}, $js);

这种方式更可靠，避免因为注释内容的特殊开头导致误判。

内容的提问来源于stack exchange，提问作者abe1432181