shell使用sed命令删除html中的所有script标签

我的脚本

/<script/{
    : START;
    s#</script>#&#;
    t DEL;
    : LOOP;
    N;
    s#</script>#&#;
    t DEL;
    b LOOP;
    : DEL;
    s#<script.*</script>##;
    s#<script#&#;
    t START;
    }

将上述代码保存到deljs.sed文件中，使用以下命令调用：

sed -f deljs.sed demo.html 

另外，如果不想使用sed脚本文件的形式，也可以将sed脚本中的代码写成一行，方便放到shell中，使用下述命令：

sed '/<script/{: START;s#</script>#&#;t DEL;: LOOP;N;s#</script>#&#; t DEL;b LOOP;: DEL;s#<script.*</script>##;s#<script#&#;t START;}' demo.html

脚本详解

参考自sed命令的man文档

1. /<script/{

   对字符串"<script"进行寻址，找到后执行一个命令块。
   { ：开始一个命令块（以}结尾）。

2. : START;

   设置一个名为"START"的标签。
   : label ：用于b或t或T命令的标签。

3. s#</script>#&#;

   执行替换命令，将字符串"</script>“替换为”</script>"。
   s/regexp/replacement/：使用正则表达式regexp与模式空间进行匹配，如果匹配成功，替换为匹配的部分为replacement，replacement可能包含特殊字符&来代指模式空间中与之匹配的部分，或者转义字符\1到\9来代指正则表达式regexp中对应的匹配子表达式。

4. t DEL;

   如果上述替换命令执行成功，跳转到名为"DEL"的标签处。
   t label ：如果自从读入当前行，并且自上一条t或T命令到现在，有一条s///替换命令执行成功，就跳转到指定的标签处，如果不指定标签，则跳转到脚本结束。
   T label ：与t label相反，如果没有s///替换命令执行成功，则跳转到指定的标签处。

5. : LOOP;

   设置一个名为"LOOP"的标签。

6. N;

   将下一行加入模式空间。
   n N ：读取/追加下一行输入，到模式空间。

7. s#</script>#&#;

   执行替换命令，将字符串"</script>“替换为”</script>"。

8. t DEL;

   如果上述替换命令执行成功，跳转到名为"DEL"的标签处。

9. b LOOP;

   跳转到名为"LOOP"的标签处。
   b label ：跳转到指定标签处，如果未指定标签，则跳转到脚本结束。

10. : DEL;

    设置一个名为"DEL"的标签。

11. s#<script.*</script>##;

    执行替换命令，将正则表达式"<script.*</script>"匹配到的模式空间中的内容替换为空。

12. s#<script#&#;

    执行替换命令，将字符串"<script"替换为"<script"。
    用于防止上一个标签对的</script>与下一个标签对的<script>在同一行的情况。

13. t START;

    如果上述替换命令执行成功，跳转到名为"START"的标签处。

14. }

    结束一个命令块。

注意事项

1. 上述方法只是删除了html中的所有<script>标签，并没有删除html中所有的js，因为js还可以直接内嵌到html的其他标签中，比如，引用自NotFoundObject大佬的一篇博客《js在HTML中的三种写法》原文链接：

   <!--当鼠标点击图片时跳出弹窗显示1223-->
       <div class="img">
       单击事件：
           <img src="images/001.jpg" onclick="alert(1223)"></img>
       </div>
   

2. 如果html正文中存在<script>标签，同样会被删除。