对HTML文件进行后期审核

Question

我有一个生成的HTML文件，我想在上传到网站之前对它进行审计(每小时都有一个脚本完成)

我想要审计这样的东西：<script>BADTHINGS</script>

我不能使用：

sed -i "s/<script>//g" htmlfile.html

因为可能存在以下情况，例如：

<scr<script>ipt>BADTHINGS</scr</script>ipt>

你有什么建议？如何审计HTML文件？

PS。htmlfile.html包含新闻链接，例如: slashdot等。<-该文件由脚本生成。

Answer 1

使用sed进行多次传递，使用HTMLPurifier。