正则表达式，删除所有 html 标签属性，但 <a>答案

【问题标题】：Regexp, that deletes all html tag's atrributes, but <a>正则表达式，删除所有 html 标签属性，但 <a>
【发布时间】：2015-05-13 13:26:11
【问题描述】：

$body = preg_replace("/<([a-z][a-z0-9]*)[^>]*?(\/?)>/i",'<$1$2>', $body);

你好。我资助 preg_replace，它可以找到所有 html 标签，并删除它们的属性。我需要从该正则表达式中排除 <a> 标记，所以 f.e.：

<sth a="awdawd"/><a href="http://awdwsrrdg.com"/>

应该改为：

<sth/><a href="http://awdwsrrdg.com />

任何帮助将不胜感激。

【问题讨论】：

标签： php html regex html-parsing

【解决方案1】：

不要使用正则表达式来解析或修改 HTML/XML。这仅适用于少数边缘情况，但不适用于现实世界的应用程序

改用 DOM 解析器：

$html = '<sth a="awdawd"/><a href="http://awdwsrrdg.com"/>';

$doc = new DOMDocument();
$doc->loadHTML($html);

$selector = new DOMXPath($doc);

foreach($selector->query('//@*[not(parent::a)]') as $attr) {
    $attr->parentNode->removeAttribute($attr->nodeName);
}

echo $doc->saveHTML();

【讨论】：

在您的查询中，name() 指的是属性名称，而不是标签名称。要定位属性的标签（因此父级），您可以使用：//@*[not(parent::a)]
@CasimiretHippolyte 虽然a 是 HTML 中的常见标签，但 OP 确实意味着名为 a 的属性。（检查问题）
@CasimiretHippolyte 哦，看来我的问题弄错了……是的，在这种情况下可以使用not(parent::a)。谢谢你的提示！

【解决方案2】：

众所周知，您不应该使用正则表达式来解析 xhtml（改用 html 解析器），因为引擎在解析奇怪字符时会搞砸事情，除非您真的知道自己设置了什么字符'会面对的。

另一方面，如果你想使用正则表达式，你可以利用这个正则表达式的丢弃技术：

<a\b.*?\/>(*SKIP)(*FAIL)|<(\w+).*?>

Working demo

php代码

$re = '/<a\b.*?\/>(*SKIP)(*FAIL)|<(\w+).*?>/'; 
$str = "<sth a=\"awdawd\"/><a href=\"http://awdwsrrdg.com\"/>"; 
$subst = "<$1 />"; 

$result = preg_replace($re, $subst, $str);

如果你想使用你的正则表达式，你可以在开头添加丢弃模式，像这样：

<a\b.*?\/>(*SKIP)(*FAIL)|<([a-z][a-z0-9]*)[^>]*?(\/?)>
           ^------^-----Discard pattern flags

【讨论】：

【解决方案3】：

试试这个正则表达式：

/<([b-z][a-z0-9]*)[^>]*?(\/?)>/i

将第一个组规则[a-z] 编辑为[b-z]。现在每个标签，即 start <a 都将被忽略。

$body = preg_replace("/<([b-z][a-z0-9]*)[^>]*?(\/?)>/i",'<$1$2>', $body);

WORKING DEMO

$pattern = /<([b-z][a-z0-9]*)[^>]*?(\/?)>/i

$replacement = <$1$2>

$text = <sth a="awdawd"/><a href="http://awdwsrrdg.com"/>

输出： <sth /><a href="http://awdwsrrdg.com"/>

【讨论】：

感谢您的提醒，正则表达式和我的答案已更新，现在看来，它可以正常工作
是的，我想到了这一点，但它忽略了“attr”属性以及其他一些属性。