正则表达式从 HTML 标记中包含的字符串中修剪空格答案

【问题标题】：Regexp to trim spaces from a string contained in HTML tag正则表达式从 HTML 标记中包含的字符串中修剪空格
【发布时间】：2014-05-19 08:09:56
【问题描述】：

我有这个 HTML 字符串（已验证）：

<div><img src="images/stories/2014/AAA.gif" alt="AAA" width="24" height="24" /> THE PRODUCTION OF: PLASTIC BOTTLES   <br /></div>

我必须提取<img> 标记附近的唯一标题，修剪前后的所有空格，而不是将其包装在<h1> 标记中。加急的结果应该是：

<div><h1>THE PRODUCTION OF: PLASTIC BOTTLES</h1></div>

我已经完成了一个有效的正则表达式，但在最终结果中也包含空格：

/<img\s*src="[^"]+"\s*alt="AAA"\s*width="24"\s*height="24"\s*\/>\s*([^<]+)\s*<br\s*\/>/

alt、width 和 height 属性的这些特征值可识别图像。谢谢。

【问题讨论】：

Obligatory link.

标签： php html regex parsing

【解决方案1】：

让你的匹配不贪心应该可以解决问题：<img\s*src="[^"]+"\s*alt="AAA"\s*width="24"\s*height="24"\s*\/>\s*([^<]+?)\s*<br\s*\/>（注意[^<]+ 旁边的额外?）。更多信息here。

话虽如此，您确实应该使用 PHP DOM Parser 之类的东西来处理 HTML。

【讨论】：

【解决方案2】：

实际上，有一种非常简单的方法可以完全不使用正则表达式。

'<div><h1>' . trim(strip_tags($original_html)) . '</h1></div>';

首先删除所有标签，然后修剪空白，最后将其包装在您需要的任何标签中。

【讨论】：

The PONY he comes - 他从你身边走过，点头表示赞同：p

【解决方案3】：

我认为更好的解决方案是使用jQuery。特别是方法.text()

<div id='mydiv'><img src="images/stories/2014/AAA.gif" alt="AAA" width="24" height="24" /> THE PRODUCTION OF: PLASTIC BOTTLES   <br /></div>`
 <script>var text = $('#mydiv').text();$('#mydiv').html('<h1>' + text + '</h1>');</script>

结果是：

 <div><h1>THE PRODUCTION OF: PLASTIC BOTTLES</h1></div>

【讨论】：

当然，在 jQuery 中很容易做到这一点，但是......也许他宁愿在服务器端做这件事是有原因的，也许他不使用 jQuery，无论如何，如果那个 html 命中站点，浏览器将在 jQuery 重组之前开始加载该图像。如果他的页面上有很多这样的内容，他肯定不希望这样。