C#中使用正则表达式移除指定URL的script标签

嘿，这个需求我熟！要从包含多个script/data标签的字符串里移除src指向http://cdn.walkme.com/users的script标签，我给你两种靠谱的方案，看你的使用场景来选：

HTML的结构有时候会有各种特殊情况（比如标签里的空格、单双引号混用、换行），直接用正则容易踩坑，用浏览器原生的DOM API来解析和操作是最稳妥的方式。步骤很简单：

1. 创建一个临时的DOM元素（比如div），把你的HTML字符串塞进去
2. 筛选出所有src以目标URL开头的script标签
3. 移除这些标签
4. 把处理后的DOM元素转成字符串返回

代码示例：

function removeWalkMeScript(htmlString) {
  const tempContainer = document.createElement('div');
  tempContainer.innerHTML = htmlString;
  
  // 精准匹配src以目标URL开头的script标签
  const targetScripts = tempContainer.querySelectorAll('script[src^="http://cdn.walkme.com/users"]');
  
  // 逐个移除匹配到的标签
  targetScripts.forEach(script => script.remove());
  
  return tempContainer.innerHTML;
}

// 测试用例
const originalHtml = `
<div>页面内容</div>
<script src="http://cdn.walkme.com/users/abc123/main.js"></script>
<script src="/local-script.js"></script>
<script data-src="http://cdn.walkme.com/users/xyz789/extra.js"></script> <!-- 这个不会被移除，因为是data-src不是src -->
`;
const cleanedHtml = removeWalkMeScript(originalHtml);
console.log(cleanedHtml);

如果你的场景没法用DOM（比如后端Node.js环境，又不想引入DOM库），可以用正则来匹配并移除目标标签。这个正则会考虑单双引号、标签内的属性顺序、换行等常见情况：

function removeWalkMeScriptWithRegex(htmlString) {
  // 正则说明：匹配包含目标src的script标签，支持单双引号，允许标签内有其他属性，匹配闭合标签
  const walkMeScriptRegex = /<script[^>]*src=["']http:\/\/cdn\.walkme\.com\/users[^>]*>[\s\S]*?<\/script>/gi;
  return htmlString.replace(walkMeScriptRegex, '');
}

// 测试用例
const originalHtml = `
<p>测试文本</p>
<script type="text/javascript" src='http://cdn.walkme.com/users/test/script.js'>
  // 这里是脚本内容
</script>
<script src="other-script.js"></script>
`;
const cleanedHtml = removeWalkMeScriptWithRegex(originalHtml);
console.log(cleanedHtml);

⚠️ 注意：正则处理HTML有局限性，如果遇到非常特殊的情况（比如标签内有注释、src值里有特殊转义字符），可能会匹配失败。所以能不用正则就尽量用DOM方法。如果是Node.js环境想使用DOM方法，可以引入jsdom库来模拟浏览器DOM环境，用法和上面的浏览器代码几乎一致。

内容的提问来源于stack exchange，提问作者Bassa low