正则表达式去除所有 html 标签，不包括 & <a class='user'></a>答案

【问题标题】：Regex strip all html tags excluding & <a class='user'></a>正则表达式去除所有 html 标签，不包括 & <a class='user'></a>
【发布时间】：2011-08-27 00:36:27
【问题描述】：

我对正则表达式比较陌生，但我的目标是从字符串中删除所有 html 标记，不包括  s 和 <a> 标记为 class='user'。我想使用这个正则表达式从 contentedittable 字段中清除不需要的 html 垃圾。

希望你们中的一位正则表达式大师可以提供帮助...

下面是一个测试示例： http://gskinner.com/RegExr/?2tpai

我想我已经接近了，但是 a class='user' 的结束标记目前仍被选为垃圾。

【问题讨论】：

不要自己动手。这是重要且不平凡的事情。它已经完成了无数次。重复使用它
“我想使用这个正则表达式从 contentedittable 字段中清除不需要的 html 垃圾。” 如果您正在处理 contentEditable 字段，为什么不直接遍历 DOM 树呢？ HTML 很难用正则表达式解析。（事实上，我认为这在技术上是不可能的，但如果你真的努力，你可以得到一个接近的近似值。）
大概是你想去掉的标签，而不是它们元素的内容？
如果class='user' 不是<a> 标签的first 属性怎么办？如果锚标签里面有其他标签（比如<img>）怎么办？如果在你的开始标签之后的任何地方都有 cmets，你怎么知道跳过出现在其中的匹配项？我不认为你很接近 - 我并不是要批评，只是为了强调我的回答中的一点，即这在技术上是不可能，甚至“足够好”随便用是非常非常辛苦的。毫无疑问，还有更多我们都没有考虑过的问题。
@TJCrowder 好的，如果 regex 是错误的选择，您能否举一个示例，说明如何在我的示例中使用 javascript/jquery 通过 DOM 操作来清理 html？

标签： javascript html regex tags

【解决方案1】：

我建议你这样做：

<(?!a class='user'|br|/a)[^>]+>

即，您在 html all 中保留 </a> 标记，这不会太麻烦。

这很 hacky，但是正则表达式引擎会立即跳过以 <a class='user' 开头的一段文本并开始寻找下一个 <...

总的来说，根据我通过正则表达式转换 html 的经验，我发现唯一安全的方法是将过程拆分为几个中间步骤，例如首先处理 <a class='user'..../a>s，然后处理其余部分，但是如果不将 <a class='user'..../a> 转换为不同的东西作为中间步骤，我看不到一种简单的方法。

【讨论】：

这个表达式很好用，只是它忽略了所有的标签，而不仅仅是那些与匹配的标签

【解决方案2】：

怎么样：

<?php
$new_content = strip_tags($content, '<a><br>');

这将允许所有br 和所有a 元素。不幸的是，在此功能中，您无法允许/禁止像 class="user" 这样的元素属性。此函数始终允许/禁止具有 all 属性的指定元素。

【讨论】：

这是一个 javscript 问题，而不是 php。还是谢谢。
对不起，没有检查标签:(

【解决方案3】：

正式地说你是can't parse HTML with regex，因为HTML is not a regular language。另请参阅Can you provide some examples of why it is hard to parse XML and HTML with a regex? 了解一些噩梦材料。

毫无疑问，您可以想出一些适用于“大多数”情况或“合理”情况的正则表达式，但如果您通过正则表达式清理用户输入，这还不够。尝试通过复杂的文本替换和转义来替换 SQL 参数并不是一百万英里。不管你有多聪明，正确的答案是使用不同的方法，因为一些弱点仍然存在。

在这种情况下，该方法将使用 HTML 解析库来读取文本，然后从解析的 DOM 中删除   和 <a> 标记。（这比尝试从原始文本中删除一系列字符要强大得多，并且可能还会创建更易于理解的源代码！）。事实上，由于您可能正在谈论客户端中的 JS，您已经拥有可用的 DOM，由浏览器预先解析，所以这将是一个简单的操作。

如果您不熟悉 JavaScript 的 DOM 操作方法，我认为quirksmode intro 平易近人且内容丰富。

【讨论】：

问题是我想剥离标签但保留这些标签中的任何文本内容。我对 jQuery 有经验，但可以轻松了解如何做到这一点...