Python使用replace替换HTML外部资源引用时偶发丢失</script>标签

DevOps 小满

2026-10-7

问题原因分析

文件读取编码异常：打开JS文件时没有显式指定编码，当文件包含非ASCII字符时，读取操作会被意外截断，导致后续拼接的</script>闭合标签无法正常写入。
多次IO操作异常：现有逻辑每处理一个引用文件就遍历写入一次整个HTML文件，fileinput的inplace模式在高频次写入时可能出现缓冲区刷新异常，导致末尾内容丢失。
特殊字符干扰：如果JS文件末尾包含DOS系统的EOF控制字符（0x1A）、异常回车符\r，文本模式读取时会提前终止读取，或是输出时回车符将后续闭合标签内容覆盖。
误匹配重复替换：如果JS代码内部包含和引用文件名相同的字符串，会触发二次替换，把已经拼接好的标签内容再次替换，导致结构损坏。

修复方案

优先将HTML内容读入内存一次性处理，避免多次IO操作，同时用正则精准匹配引用标签避免误匹配，参考代码如下：

import re

FILES = ["firstScript.js", "secondScript.js"]
# 指向未经过替换的原始开发版HTML文件
INPUT_HTML = "path/to/origin.html"
OUTPUT = "path/to/build.html"

# 先读取原始HTML全量内容
with open(INPUT_HTML, "r", encoding="utf-8") as f:
    html_content = f.read()

for js_file in FILES:
    # 显式指定编码读取JS内容
    with open(js_file, "r", encoding="utf-8") as f:
        js_content = f.read()
    # 正则精准匹配对应script引用标签，避免误匹配JS内部的文件名字符串
    pattern = re.compile(rf'<script\s+src=["\']{re.escape(js_file)}["\']\s*></script>')
    replace_content = f"<script>\n{js_content}\n</script>"
    html_content = pattern.sub(replace_content, html_content)

# 一次性写入最终构建产物
with open(OUTPUT, "w", encoding="utf-8") as f:
    f.write(html_content)