解析一个包含HTML的文件以获得服务器端的脚本

本文关键字：文件 脚本 服务器端 HTML 包含 一个 | 更新日期: 2023-09-27 17:58:30

我目前正在构建一个web服务器，它可以接收请求并发回响应。我已经设法将谷歌v8 JavaScript引擎的一个端口嵌入到我的项目中的c#（JavaScript.net）中，我想解析一个请求的文件并运行其中的服务器端JavaScript代码。我决定将此代码包含在2个字符的括号中，<：用于打开和：>用于关闭。我开始用我写的代码解析它，但在遇到一些问题后，这些问题使代码变得更加混乱，可能效率不高，我决定继续尝试使用RegEx（我让你研究它，因为我以前从未使用过它）。但是等一下。在和我的朋友讨论过之后，他给我发了这篇RegEx匹配开放标签的帖子，除了XHTML自包含标签，我明白这不是一个好主意。。。所以我的问题是，我该如何解析这些东西？（考虑到效率和干净的代码，毕竟这是一个网络服务器）。提前感谢！

解析一个包含HTML的文件以获得服务器端的脚本

理想情况下，您想要做的是挂接V8的lexer，这样您就不会捕获字符串等内部的东西。然而，我查看了.NET包装器的源代码，它似乎不允许进行太多的自定义。相反，您可能想要创建一个小型状态机。你可能至少想要这些州：

  • 文字数据（用于<:和:>标签之外的内容）
  • 左括号（表示您消耗了<并正在等待潜在的:）
  • 脚本状态（用于<:和:>标记中的内容）
  • 编写双引号字符串状态脚本
  • 脚本双引号字符串转义状态
  • 编写单引号字符串状态脚本
  • 编写单引号字符串转义状态脚本
  • 脚本斜杠状态（用于注释和正则表达式1）
  • 脚本行注释状态
  • 脚本块注释状态
  • 脚本块注释星形状态
  • 编写正则表达式状态脚本
  • 编写冒号状态脚本（用于遇到:并且不确定下一个是>还是其他内容时）

它可能不像正则表达式那样快速编写，但它可以处理这样的代码：

Hello, world!
<:
    document.write("At least you won't think the script :> ends there.");
:>

1仔细想想，检测正则表达式可能不那么容易。

如果我理解得很好，你想拿走"<"answers">"之间的所有东西，甚至是其中的"<"answers">"？好由于您可以使用RegEx进行此操作，也许可以尝试先查找"<"，使计数器每增加一个"<"，每减少一个">"。计数器何时为0，下一个">"出现：这里是服务器端脚本的末尾。如果你有一些嵌入的HTML，并且想去掉它们，试着检测"或类似的东西。这个解决方案很慢，但却是我能想象到的最简单的。

相关文章：