从特定标签中删除字符串的最快方法是什么答案

【问题标题】：What's the quickest way to strip a string from a specific tag从特定标签中删除字符串的最快方法是什么
【发布时间】：2016-08-11 12:22:35
【问题描述】：

我在一个字符串中有 HTML。我想去掉其中的<head> 部分。我用：

$html = preg_replace("/<head[^>]*?>.*?<\/head>/s", "", $html);

但就性能而言，这可能有点重。有更好的选择吗？

我知道我可以使用strip_tags() 并在第二个参数中列出所有接受的标签，但是列出的太多了。

【问题讨论】：

您可以使用strpos() 来确定打开和关闭<head> 标签的位置，然后获取子字符串，但我不确定这是否是更好的执行方式。
你可以写一个更好的正则表达式:) 就像<head[^>]*?>[^<]*(?:<(?!\/head>)[^<]*)*<\/head>。与yours比较。
@WiktorStribiżew 就是这个！你能写出答案并解释它如何减少步骤等。非常令人印象深刻。我可以在同一个正则表达式中添加更多标签吗？就像<head><header><nav> 一样，我一口气将它们全部删除，而不是执行 3 次单独的 reg_replace() 运行。
可能是stackoverflow.com/questions/20082476/…。
@ᴳᵁᴵᴰᴼ：不幸的是，sax 在 PHP 中非常慢，只能与 XML 一起使用（与 XMLReader 相同，（来自 libxml 的拉式解析器，速度要快得多））。但由于 OP 似乎需要在他的 html 源上执行几项任务，使用 DOMDocument 不是问题，树构建的成本将被摊销。

标签： php regex

【解决方案1】：

当针对此 SO 页面的一部分进行测试时，您当前的正则表达式需要 6720 步。

这个正则表达式 <head[^>]*?>(?:[^<]*<??)*</head> 只需要 376 步，它应该返回同样的东西。它应该比您的正则表达式快近 20 倍。

它通过贪婪匹配所有不是<的东西来工作：[^<]*

然后，因为<?? 是惰性的，它会尝试立即匹配</head>。如果没有匹配到，<?? 就会启动。

【讨论】：