如何删除包含 php 内容的特定 html 标签？

Question

我有一些字符串格式的内容，包括一些不需要的 html 标记及其内容。我正在寻找一种删除它们的方法，但仍然找不到完美的解决方案。

方法一

通常，我们使用strip_tags 来删除标签，但它会保留标签内的文本内容。

方法二

然后我尝试使用preg_replace 来删除标签以及使用/<font[\s\S].*?<\/font>/ 等模式的内容

测试

但在实际情况中，标签有时会包含相同的标签，例如

text to keep <span xxx="xxxx"><span xxx="xxx">unwanted text</span> unwanted text </span> text to keep ...<some other tags>

使用这两种方法都不会得到想要的结果。

方法一输出

unwanted text unwanted text text to keep

方法二输出

unwanted text </span> text to keep

存档的最佳方式是什么？

我正在寻找这样的解决方案（我知道这种模式不起作用）：

$remove_arr = [
   'span',
   'div',
   'strong'
]
foreach($remove_arr as $remove){
  $content = preg_replace("/<$remove.*?<\/$remove>/", '',$content);
}

先谢谢各位了！

更新

代码位于名为 Collect.php 的文件中

<?php
namespace app\common\model;
use think\Db;
use think\Cache;
use app\common\util\Pinyin;
use think\Request;

class Collect extends Base {
   //the code
}

Answer 1

strip_tags() 有其局限性，正则表达式并不是有效处理任意 HTML 字符串的工具（请参阅this question）

您需要使用能够理解 HTML 的东西。即DOMDocument。你可以递归到树上找到你想要的节点，但幸运的是 PHP 有 DOMXPath 会为你做这件事

这个sn-p会将一个字符串加载到DOMDocument中，搜索并删除所有<span>元素，并将剩余部分返回到一个字符串中：

$str = <<<HTML
<!doctype html>
<html>
<body>
text to keep <span xxx="xxxx"><span xxx="xxx">unwanted text</span> unwanted text </span> text to keep
</body>
</html>
HTML;
$doc = new DOMDocument();
$doc->loadHTML($str);
$xpath = new DOMXPath($doc);

foreach($xpath->evaluate("//span") as $node) {
    echo 'Removing: '.$node->nodeValue."<br>";
    $node->parentNode->removeChild($node);
}
$output = $doc->saveHTML();
echo htmlspecialchars($output);

输出：

Removing: unwanted text unwanted text
Removing: unwanted text
<!DOCTYPE html> <html> <body> text to keep text to keep </body> </html> 

演示：https://3v4l.org/6m0e2