strip_tags 或 preg_replace 从 html 中删除几个标签？答案

【问题标题】：strip_tags or preg_replace to remove few tags from html?strip_tags 或 preg_replace 从 html 中删除几个标签？
【发布时间】：2014-05-28 07:30:01
【问题描述】：

我在这两者之间进退两难。我想从我通过curl 导入的页面中删除head 标签（以及内部/之前的所有内容，包括doctype/html）、body 标签和script 标签。所以首先想到的是这个

$content = strip_tags($content, '<img><p><a><div><table><tbody><th><tr><td><br><span><h1><h2><h3><h4><h5><h6><code><pre><b><strong><ol><ul><li><em>'.$tags);

如您所见，使用 HTML5 标签、视频对象等可以变得更长。

比我在这里看到的。 https://stackoverflow.com/a/16377509/594423

谁能建议首选方法或展示您这样做的方式，请解释原因和可能告诉我哪个更快。

谢谢！

【问题讨论】：

也就是说，要提取body标签的内容？
是的，完全正确，并将所有标签保留在正文中（脚本旁边）

标签： preg-replace strip-tags

【解决方案1】：

你可以这样测试：

$dom = new DOMDocument();
@$dom->loadHTML($content);

$result = '';

$bodyNode = $dom->getElementsByTagName('body')->item(0);

$scriptNodes = $bodyNode->getElementsByTagName('script');
$toRemove = array();

foreach ($scriptNodes as $scriptNode) {
    $toRemove[] = $scriptNode;
}

foreach($toRemove as $node) {
    $node->parentNode->removeChild($node);
}

$bodyChildren = $bodyNode->childNodes;

foreach($bodyChildren as $bodyChild) {
    $result .= $dom->saveHTML($bodyChild);
}

DOM 方法的优点是对多个 html 陷阱的相对可靠性，尤其是某些格式错误的标签或 javascript 字符串中的标签：var str = "<body>";

但是速度呢？

如果您使用正则表达式方法，例如：

$pattern = <<<'EOD'
~
<script[^>]*> (?>[^<]++|<(?!/script>))* </script>
|
</body>.*$
|
^ (?>[^<]++|<(?!body\b))* <body[^>]*>
~xis
EOD;

$result = preg_replace($pattern, '', $content);

结果要快一点（对于 400 行的 html 文件，从 1x 到 2x）。但是使用此代码，可靠性会降低。

如果速度很重要，并且您对 html 质量有很好的了解，对于与正则表达式版本相同的可靠性级别，您可以使用：

$offset = stripos($content, '<body');
$offset = strpos($content, '>', $offset);
$result = strrev(substr($content,++$offset));
$offset = stripos($result, '>ydob/<');
$result = substr($result, $offset+7);
$offset = 0;
while(false !== $offset = stripos($result, '>tpircs/<', $offset)) {
    $soffset = stripos($result, 'tpircs<', $offset);
    $result = substr_replace($result, '', $offset, $soffset-$offset+7);
}
$result = strrev($result);

这比 DOM 版本快 2 到 5 倍。

【讨论】：

Thnx 芽。与其他两个相比，速度如何？
太棒了。我见过的最好的答案之一。谢谢！