如何替换 HTML 标签内的空格，同时将标签保留在 PHP（preg_replace）中？

Question

假设我有这个字符串：

$string = '<p > ¡Esto es una prueba! < /p > <p> <strong > Prueba 123 </strong> </p> <p> <strong> < a href="https://matricom.net"> MATRICOM < / a> </ strong> </p> <p> <strong > Todas las pruebas aquí ... </strong > < /p>'

我想要做的是使用 PHP 修复 HTML 标签（由于空格，它们格式错误）。我尝试了几种不同的正则表达式，这些表达式是我在网上找到的，例如：

$html = trim(preg_replace('/<\s+>/', '<>', $text));

和：

$html = preg_replace('/<(.+?)(?:»| |″)(.+?)>/', '<\1\2>', $text);

我正在尝试获取这样的字符串输出（在 HTML 标记的前面部分和结尾部分删除了空格）：

'<p> ¡Esto es una prueba! </p> <p> <strong> Prueba 123 </strong> </p> <p> <strong> <a href="https://matricom.net"> MATRICOM </a> </strong> </p> <p> <strong> Todas las pruebas aquí ... </strong> </p>'

背景故事：Google 翻译倾向于在翻译结果中添加影响 HTML 结构的随机空格。只是寻找一种快速清理标签的方法。我已经搜索了两天如何做到这一点，似乎找不到任何适合我正在寻找的东西。

Answer 1

在最一般的情况下，您可以使用preg_replace_callback 解决方案：

$text='<p > ¡Esto es una prueba! < /p > <p> <strong > Prueba 123 </strong> </p> <p> <strong> <a href="https://matricom.net"> MATRICOM < / a> </ strong> </p> <p> <strong > Todas las pruebas aquí ... </strong > < /p>';
echo preg_replace_callback('~<[^<>]+>~u', function($m) { 
    return str_replace(' ', '', $m[0]); 
  // or,  preg_replace('~\s+~u', '', $m[0]); 
}, $text);

请参阅PHP demo。

但是，您可能希望创建一个模式以仅匹配 Google 翻译输出中真正使用的标签。对于a、p 和strong 标签，它看起来像

'~<\s*(?:/\s*)?(?:p|a|strong)\s*>~u'

见this regex demo

详情

• < - < 字符
• \s* - 0+ 个空格
• (?:/\s*)? - / 的可选序列，然后是 0+ 个空格
• (?:p|a|strong) - p、a 或 strong 子字符串
• \s* - 0+ 个空格
• > - > 字符。

Answer 2

这可能超出了您的需要，但翻译 HTML 文件的过程（无论是由机器翻译还是人工翻译）涉及通过过滤器解析 HTML，该过滤器完全隐藏\保护 HTML 标记免受翻译过程的影响。翻译编辑器仅允许出于语言目的移动某些标签（在您的示例中可能是 href）。此外，在某些语言中，粗体格式可能并不理想。

经过后处理后，HTML 将保持原样，仅更改文本内容。

请注意，您可能会发现使用 Google 翻译有时也会翻译 HTML 标签的内容，这会给您带来各种问题。

我可以更详细地解释解决方案，如果感兴趣，请告诉我。所需的工具可以免费获得。