php正则表达式删除HTML

Posted 2023-02-24

【中文标题】php正则表达式删除HTML

【英文标题】：php regex to remove HTML

【发布时间】：2010-10-20 00:25:18

【问题描述】：

在我们开始之前，strip_tags() 不起作用。

现在，

我有一些需要解析的数据，问题是，我需要摆脱所有格式非常奇怪的 html。 标签看起来像这样： （注意空格）

< p > blah blah blah < / p > < a href= " link.html " > blah blah blah < /a >

我一直在尝试的所有正则表达式都不起作用，而且我对正则表达式格式的了解不足以使它们起作用。我不在乎保留标签内的任何内容，如果可以的话，我更愿意删除链接内的文本。

有人知道吗？

（我真的需要有一天坐下来学习正则表达式）

【参考方案1】：

会

preg_replace('/<[^>]*>/', '', $content)

工作？

【讨论】：

您可以使用+ 代替*，因为* 如果在文本中找到，您还将替换<>。

【参考方案2】：

如果您在strip_tags() 之前的变量上使用html_entity_decode()，strip_tags() 将起作用

<?php
$text = '< p > blah blah blah < / p > < a href= " link.html " > blah blah blah< /a >';
echo strip_tags(html_entity_decode($text));
?>

【参考方案3】：

不是万无一失的解决方案，但适用于您发布的内容：

s/<[^>]*>//g

【参考方案4】：

格式奇怪？那是有效的HTML，对吗？在那种情况下，我不会用正则表达式来触及它。关于这如何出错以及为什么这是一个坏主意的例子不胜枚举。相反，我会在其上使用 HTML Tidy 来清理不必要的空白。

【讨论】：

我本来打算发这个的，但是太累了，说不清楚。 +1。

当我通过 HTML Tidy 运行字符串时，它会将 符号更改为 ，因此 strip_tags() 仍然无法处理这些。我同时使用了 tidy_parse_string() 和 tidy_repair_string()。还有其他我看不到的功能吗？

【参考方案5】：

http://ca3.php.net/strip_tags 可能是你需要的。

【讨论】：

strip_tags() 不起作用（正如我的问题的第一行所指出的那样），因为 PHP 由于格式化而无法将标签识别为 HTML。这也是我的第一个想法。

【参考方案6】：

试试这个并告诉我。

<?php
$text = '< p > blah blah blah < / p > < a href= " link.html " > blah blah blah< /a >';
echo strip_tags($text);
echo "\n";
echo strip_tags($text, '<p><a>');
?> 

【讨论】：

strip_tags() 不起作用（如我的问题的第一行所述），因为 PHP 无法将标签识别为 HTML。这也是我的第一个想法。

你后来添加的吗？我完全错过了...您尝试使用 preg_replace 了吗？

不，帖子根本没有被编辑。我在问我可以使用的正则表达式。 Chaos 的答案很可能是我最终会使用的答案，但是如果我可以使用 tidy html 来清理代码，那么使用 strip_tags 就可以了，但是我在 tidy html 中找不到可以满足我需要的函数;因此为什么我没有检查混乱的答案。 :)