使用PHP从DOM HTML中删除所有链接

Question

有一个字符串$processhtml包含一些HTML代码。我想使用PHP从HTML中删除所有链接标签及其内容。

举个例子：

"This is some text with <a href="#">link</a>"

必须成为：

"This is some text with"

我需要在DOMDocument的帮助下对HTML进行其他解析，因此尝试查找与DOM相关的解决方案。

我已经尝试过：

           $dom = new DOMDocument();
           @$dom->loadHtml($processhtml);
            foreach ($dom->getElementsByTagName('*') as $element) {
                if ($element->nodeName == 'a') {
                    $element->parentNode->removeChild($element);
                }
            }
            echo $dom->saveHTML();

结果如下：

1. 一些链接完全被移除了（不错）

2. 一些链接被替换成“问号”字符（奇怪）

3. 一些链接没有改变（不好）

所以我的问题是：

1）是什么导致了我使用的代码不一致？如何解决？

2）有没有更好的方法来实现所需的功能？（正则表达式不行:P）

提前谢谢！

- Acidon

---

嗨，问号来自编码问题，请确保声明正确的编码。 如果您想要100％的效率，我宁愿使用preg_replace（）匹配所有以“{{link1：”开头的元素，并将它们替换为空字符串。然后进行另一个替换，如下所示：str_replace（'}}'，''，$my_string）; - Vincent Teyssier

@VincentTeyssier，那么<a ...>和</a>之间的内容呢？它也必须被删除。 - Acidon

请确保保留HTML的字符集。例如，如果输入的HTML是UTF8，并且您脚本的输出环境是ISO8859，则会出现损坏的字符。此外，请比较输入HTML和输出HTML。DOM对其输入非常挑剔，即使是最简单的HTML格式错误也可能导致DOM出错。 - Marc B

@VincentTeyssier 我之前尝试过那种方法，但是存在一些不一致性，并且我担心一些错误的HTML格式可能会导致混乱。通过使用DOM，我希望能找到最可靠的方法来完成它。 - Acidon

你可能不喜欢它，但 HTML 是文本，而正则表达式就是为此而生的。正则表达式不会错过任何一个块，因此它是100%有效的。但我愿意听取任何意见，以证明它不能捕获100%所需的正则表达式。 - Vincent Teyssier

Answer 1

$pattern = '/<a .*?<\/a>';
preg_replace($pattern, "", $processhtml);

已在 https://regex101.com/ 上进行测试并运作良好。

- Vincent Teyssier

---

我有一本《精通正则表达式第三版》在书架上积了灰，也许是时候开始研究这本超过500页的怪兽了 :) 非常感谢！ - Acidon

正则表达式是噩梦，但它们工作得非常好... regex101.com 很详细地介绍了你可以在 SO 上找到的正则表达式，因此你可以在不需要广泛知识的情况下进行调整... 享受吧 :) - Vincent Teyssier