剥离标签和介于两者之间的所有内容答案

【问题标题】：Strip Tags and everything in between剥离标签和介于两者之间的所有内容
【发布时间】：2010-04-13 14:09:57
【问题描述】：

我怎样才能剥离<h1>including this content</h1>

我知道您可以使用条形标签来删除标签，但我希望两者之间的所有内容都消失。

任何帮助将不胜感激。

【问题讨论】：

标签： php

【解决方案1】：

在处理 HTML 时，您应该使用 HTML 解析器来正确处理它。你可以使用 PHP 的 DOMDocument 并使用 DOMXPath 查询元素，例如：

$doc = new DOMDocument();
$doc->loadHTML($html);
$xpath = new DOMXPath($doc);
foreach ($xpath->query('//h1') as $node) {
    $node->parentNode->removeChild($node);
}
$html = $doc->saveHTML();

【讨论】：

+1 在此处使用解析器。一次做对，当您（或其他开发人员，或使用 WYSIYWG 编辑器的客户）使正则表达式无效时，无需重新访问。
这看起来是一个很好的解决方案，但是我只想包含列表 h1 而不是实际的页面 h1，如果这有意义的话。虽然谢谢你，但我已经注意到这个用于其他用途。
@Andy 只需将 xPath 选择器更改为仅匹配包含元素内的 h1。
+1 做得很好。但是，我可以添加多个标签搜索吗？ $xpath->query('//h1//script//div') 之类的东西？
由于 5.5 年没有人回复@asprin，我想我会的。要查询多个标签，只需使用您熟悉的 OR 运算符即可。这意味着您的代码将类似于 $xpath->query('//h1|//script|//div')

【解决方案2】：

试试这个：

preg_replace('/<h1[^>]*>([\s\S]*?)<\/h1[^>]*>/', '', '<h1>including this content</h1>');

示例：

echo preg_replace('/<h1[^>]*>([\s\S]*?)<\/h1[^>]*>/', '', 'Hello<h1>including this content</h1> There !!');

输出：

Hello There

【讨论】：

HTML 允许在属性值中使用纯 >。

【解决方案3】：

如果您想去除所有标签并包括内容：

$yourString = 'Hello <div>Planet</div> Earth. This is some <span class="foo">sample</span> content!';
$regex = '/<[^>]*>[^<]*<[^>]*>/';
echo preg_replace($regex, '', $yourString);
#=> Hello  Earth. This is some  content!

HTML 属性可以包含< 或>。因此，如果您的 HTML 变得过于混乱，此方法将不起作用，您将需要一个 DOM 解析器。

正则表达式解释

NODE                     EXPLANATION
--------------------------------------------------------------------------------
  <                        '<'
--------------------------------------------------------------------------------
  [^>]*                    any character except: '>' (0 or more times
                           (matching the most amount possible))
--------------------------------------------------------------------------------
  >                        '>'
--------------------------------------------------------------------------------
  [^<]*                    any character except: '<' (0 or more times
                           (matching the most amount possible))
--------------------------------------------------------------------------------
  <                        '<'
--------------------------------------------------------------------------------
  [^>]*                    any character except: '>' (0 or more times
                           (matching the most amount possible))
--------------------------------------------------------------------------------
  >                        '>'

【讨论】：

HTML 允许在属性值中使用纯 >。
Gumbo，你打败了我。我只是在做一个修改:)
考虑到所有 HTML 都在根节点内，这不会让您没有任何内容吗？
这对我有用，我喜欢代码的简洁性。

【解决方案4】：

您可以使用 XSLT 样式表并将所有标签与它们自己匹配，除了 h1 标签，它会与空字符串匹配，然后将其应用于您的文档。不过做这么简单的事情可能有点太重了。

【讨论】：

【解决方案5】：

您还可以使用 strip_tags 删除标签以及介于两者之间的所有内容..

$html 包含您要从中删除标签的 html 或 php。

strip_tags($html,"");

试试这个，我认为这对你有用。

【讨论】：