PHP正则表达式删除HTML文档中的标签

Posted 2023-02-24

【中文标题】PHP正则表达式删除HTML文档中的标签

【英文标题】：PHP regular expression to remove tags in HTML document

【发布时间】：2010-11-24 19:09:35

【问题描述】：

假设我有以下文字

..(content).............
<A HREF="http://foo.com/content" >blah blah blah </A>
...(continue content)...

我想删除链接并且我想删除标签（同时保留中间的文本）。如何使用正则表达式执行此操作（因为 URL 都会不同）

非常感谢

【问题讨论】：

Can you provide some examples of why it is hard to parse XML and html with a regex?的可能重复

RegEx match open tags except XHTML self-contained tags的可能重复

【参考方案1】：

这将删除所有标签：

preg_replace("/<.*?>/", "", $string);

这将只删除<a> 标签：

preg_replace("/<\\/?a(\\s+.*?>|>)/", "", $string);

【讨论】：

这不会清除所有标签吗？

这不是要求的吗？

完美！直接而严格。

【参考方案2】：

尽可能避免使用正则表达式，especially when processing xml。在这种情况下，您可以使用strip_tags() 或simplexml，具体取决于您的字符串。

【参考方案3】：

<?php
//example to extract the innerText from all anchors in a string
include('simple_html_dom.php');

$html = str_get_html('<A HREF="http://foo.com/content" >blah blah blah </A><A HREF="http://foo.com/content" >blah blah blah </A>');

//print the text of each anchor    
foreach($html->find('a') as $e) 
    echo $e->innerText;

?>

见PHP Simple DOM Parser。

【参考方案4】：

不漂亮，但可以：

$data = str_replace('</a>', '', $data);
$data = preg_replace('/<a[^>]+href[^>]+>/', '', $data);

【讨论】：

strip_tags 在 HTML 格式良好时运行良好。我遇到了一个 HTML 文件的问题，其中属性缺少引号，这种方法很有效。谢谢！

【参考方案5】：

strip_tags()也可以用。

请查看示例here。

【讨论】：

欢迎来到 Stack Overflow！虽然这可能会回答问题，但it would be better 在此处包含答案的基本部分，并提供链接以供参考。

@senderle，我大体上同意你的观点，但这次不是“任何”外部页面，它是 PHP.net 的官方页面，描述了strip_tag 函数，无需在此处复制代码示例；）此答案已包含函数名称及其链接引用。

【参考方案6】：

我用它来用文本字符串替换锚点...

function replaceAnchorsWithText($data) 
        $regex  = '/(<a\s*'; // Start of anchor tag
        $regex .= '(.*?)\s*'; // Any attributes or spaces that may or may not exist
        $regex .= 'href=[\'"]+?\s*(?P<link>\S+)\s*[\'"]+?'; // Grab the link
        $regex .= '\s*(.*?)\s*>\s*'; // Any attributes or spaces that may or may not exist before closing tag
        $regex .= '(?P<name>\S+)'; // Grab the name
        $regex .= '\s*<\/a>)/i'; // Any number of spaces between the closing anchor tag (case insensitive)

        if (is_array($data)) 
            // This is what will replace the link (modify to you liking)
            $data = "$data['name']($data['link'])";
        
        return preg_replace_callback($regex, array('self', 'replaceAnchorsWithText'), $data);
    

【参考方案7】：

$pattern = '/href="([^"]*)"/';

【参考方案8】：

使用 str_replace

【讨论】：

他应该如何处理不同的href字符串？

（我不是投反对票的人，但似乎他不会解释为什么他投反对票，这没什么帮助，我可以补充一下，让我们猜猜为什么......）使用 str_replace，你不能指定一个“模式”，这是一个问题，因为 URL 可以更改；即使它没有改变，您也必须对 str_replace 使用两次调用：一次用于 openig 标记，一次用于结束标记，因为您想保留 beetween 的内容。