【问题标题】：regular expression to strip attributes and values from html tags正则表达式从 html 标签中去除属性和值
【发布时间】：2008-11-12 21:36:50
【问题描述】：

大家好，我是正则表达式的新手，你能帮我解决这个问题吗？

我有一个像 "<input attribute='value' >" 这样的字符串，其中 attribute='value' 可以是任何东西，我想得到一个 preg_replace 来得到 <input />

如何指定通配符来替换 srting 中任意数量的任意字符？

喜欢这样吗？ preg_replace("/<input.*>/",$replacement,$string);

非常感谢

【问题讨论】：

【解决方案1】：

你有什么：

.*

将匹配“任何字符，并且尽可能多。

你的意思是是

[^>]+

翻译为“任何字符，那不是“>”，并且必须至少有一个

或者，

.*?

这意味着 “任何字符，但仅足以使此规则生效”

但不要

用正则表达式解析 HTML 不好

使用任何现有的 html 解析器，DOM 库，任何东西，只是不是 NAïVE REGEX

例如：

 <foo attr=">">

会被正则表达式错误地抓取为

'<foo attr=" ' with following text of '">'

这将引导你到这个正则表达式：

 `<[a-zA-Z]+( [a-zA-Z]+=['"][^"']['"])*)>  etc etc

这时你会发现这颗可爱的宝石：

 <foo attr="'>\'\"">

你的头会爆炸。

（语法高亮验证了我的观点，并且错误地匹配了我已经结束标记的想法。）

【讨论】：

在大多数文档中，“尽可能多”与“刚刚好”的概念被称为“贪婪”。
@John：是的，我知道，但这家伙显然是绿色的；）
你在头部爆炸部分是对的......从经验中说。
您如何认为像“”这样的怪物在 HTML 中甚至是可能的？我知道你谈论 XSS，但我想我们不是在看“如何清理损坏的用户输入？”问题在这里。允许用户输入 HTML 本身就是一个很大的 WTF。

【解决方案2】：

有些人很接近...但不是 100%：

这个：

preg_replace("<input[^>]*>", $replacement, $string);

应该是这样的：

preg_replace("<input[^>]*?>", $replacement, $string);

你不希望这是一场贪婪的比赛。

【讨论】：

贪婪在这里无关紧要，因为使用 [^>]* 而不是 .* 将导致它匹配所有非>字符，直到找到 > 并且最长（贪婪）和最短（ non-greedy) 非-> 字符后跟 > 的运行在所有情况下都是相同的。

【解决方案3】：

preg_replace("<input[^>]*>", $replacement, $string); 
// [^>] means "any character except the greater than symbol / right tag bracket"

这真的是基本的东西，你应该catch up with some reading。 :-)

【讨论】：

【解决方案4】：

如果我正确理解了这个问题，你有代码：

preg_replace("/<input.*>/",$replacement,$string);

您希望我们告诉您应该使用 $replacement 来删除与 .* 匹配的内容

你必须反其道而行之。使用捕获组来捕获您想要保留的内容，并将其重新插入替换中。例如：

preg_replace("/(<input).*(>)/","$1$2",$string);

当然，您实际上并不需要在这里捕获组，因为您只是重新插入文字文本。打赌上面显示了该技术，以防您想在标签可能变化的情况下执行此操作。这是一个更好的解决方案：

preg_replace("/<input [^>]*>/","<input />",$string);

否定字符类比点更具体。如果字符串中有两个 HTML 标记，则此正则表达式将起作用。你原来的正则表达式不会。

【讨论】：