如何使用 PHP 从文本文件中去除 HTML 元素？

Question

我正在清理 ePub 文件的 Adob​​e InDesign 导出功能造成的混乱。

我的目标： 选项 1. 我想删除所有具有类属性 CharOverride-7 的 span 元素，但保留其他 span 元素。 选项 2. 在某些情况下，我想将 span.CharOverride-7 替换为新元素，例如 i。

请注意，我目前手动且耗时的方式是进行批量搜索和替换操作，但输入的文本文件不一致（额外的空格和其他工件）。

输入文本包含数百个p 段落，如下所示：

    <p class="2"><span class="CharOverride-7">A book title</span><a href="https://aaa.net"><span class="CharOverride-8">https://aaa.net</span></a><span class="CharOverride-7">.</span></p>

    <p class="2"><span class="CharOverride-7">Another book title</span><a href="https://aaa.net"><span class="CharOverride-8">https://aaa.net/</span></a><span class="CharOverride-7">.</span></p>

所需的输出应如下所示：

选项一（删除元素）

<p class="2">A book title<a href="https://aaa.net/"><span class="CharOverride-8">https://aaa.net/</span></a>.</p>

选项二（将 span.CharOverride 替换为 i 元素）

<p class="2"><i>A book title</i><a href="https://aaa.net/"><span class="CharOverride-8">https://aaa.net</span></a><i>.</i></p>

Answer 1

对于选项一，这种方式适用于使用 DOMDocument()：https://www.php.net/manual/de/class.domdocument.php

<?php
$yourHTML = '<p class="2"><span class="CharOverride-7">A book title</span><a href="https://aaa.net"><span class="CharOverride-8">https://aaa.net</span></a><span class="CharOverride-7">.</span></p>';
$dom      = new DOMDocument();
$dom->loadHTML($yourHTML, LIBXML_HTML_NODEFDTD | LIBXML_HTML_NOIMPLIED );

foreach ($dom->getElementsByTagName('span') as $span) {
    if ($span->attributes["class"]->value == "CharOverride-7") {
        $newelement = $dom->createTextNode($span->textContent);
        $span->parentNode->replaceChild($newelement, $span);
    }
}

$ret = $dom->saveHTML();

// <p class="2">A book title<a href="https://aaa.net"><span class="CharOverride-8">https://aaa.net</span></a>.</p>
echo $ret;

Answer 2

这是使用preg_replace()的简单方法...

<?php

$data = file_get_contents('[YOUR FILENAME HERE]');

$result1 = preg_replace('/<span class="CharOverride-7">(.*)<\/span>/U', '$1', $data);
//$result2 = preg_replace('/<span class="CharOverride-7">(.*)<\/span>/U', '<i>$1</i>', $data);

echo $result1; 
// echo $result2;

// Overwrite your file here... (Beyond scope of this question)

请随意使用$result1 或$result2。

Regex101 Sandbox