PHP Regex 删除 <pre></pre> 代码块中的 HTML-Tags答案

【问题标题】：PHP Regex to remove HTML-Tags inside <pre></pre> code blocksPHP Regex 删除 <pre></pre> 代码块中的 HTML-Tags
【发布时间】：2020-09-18 09:38:21
【问题描述】：

我有一个复杂的 HTML 代码字符串，其中包含几个 pre 标记，其中包含代码（例如 python），并且还由应该删除的 HTML 标记修饰。

例如：

Some text.
<pre>
a = 5 <br/>
b = 3
</pre>
More text
<pre>
a2 = "<a href='something'>text</a>"
b = 3
</pre>
final text

我想清除所有 HTML 标签（这些可能是基本标签，br、em、div、a 等）。我不需要解析HTML，我知道regex cannot parse html。

Some text.
<pre>
a = 5
b = 3
</pre>
More text
<pre>
a2 = "text"
b = 3
</pre>
final text

我想用 PHP 来做这件事（比如preg_replace）。例如：

$html = "<html><head></head><body><div><pre class=\"some-css-class\">
         <p><strong>
         some_code = 1
         </p></strong>
         </pre></div></body>"; // Compacting things here, for brevity

$newHTML = preg_replace("/(.*?)<pre[^<>]*>(.*?)<\/pre>(.*)/Us", "$1".strip_tags("$2", '<p><a><strong>')."$3", $html);
echo $newHTML;

这个示例代码显然不起作用，因为：(1) 它只适用于一个 pre 标签，(2) 代码 strip_tags("$2", '<p><a><strong>') 显然不起作用，因为它不处理字符串正确的位置（它只会返回 "$2" 而不是获取文本并正确操作它）。

关于如何在 PHP 中完成此操作的任何建议？谢谢。

【问题讨论】：

标签： php html regex preg-replace pre

【解决方案1】：

您需要在回调正文中使用preg_replace_callback 并调用strip_tags：

preg_replace_callback('~(<pre[^>]*>)([\s\S]*?)(</pre>)~',
function ($m) { return $m[1] . strip_tags($m[2], ['p', 'b', 'strong']) . $m[3]; },
$s);

Some text.
<pre>
a = 5
b = 3
</pre>
More text
<pre>
a2 = "text"
b = 3
</pre>
final text

请注意，上面的strip_tags 会去除除p、b 和strong 之外的所有标签。

正则表达式详细信息：

(<pre[^>]*>)：匹配 <pre...> 并在 #1 组中捕获
([\s\S]*?)：匹配 0 个或多个任何字符，包括换行符（惰性），在 $2 组中捕获它。 [\s\S] 匹配任何字符，包括换行符。
(</pre>)：匹配</pre>并在#3组中捕获

【讨论】：

太棒了！你能帮忙解释一下代码中的正则表达式吗？
好的，让我在答案中添加它