匹配特殊种类的空白符

Question

我有一个类似于这样的字符串（它是一个空段落），保存在我从TinyMCE输入进行重编辑和后处理后的内容中。

在浏览器的HTML源代码中echo出来的样子如下：

<p> </p>

现在，我需要删除那些空段落。

我已经尝试过：

$output = str_ireplace("<p> </p>", "", $string);
$output = preg_replace("/<p> <\/p>/", "", $string);
$output = preg_replace("/<p>[ \t\n\r]*<\/p>/", "", $string);
$output = preg_replace("/<p>[\s]*<\/p>/", "", $string);

我尝试了很多方法，但都没有成功。它还是存在，完好无损。我还尝试了mb_ereg_replace和匹配 ，但似乎并不起作用。

另一方面，这个方法可以解决问题：

$output = preg_replace("/<p>.*<\/p>/", "", $string);

当然，分段也可以应用于实际内容。

那么这个“类似空格”的字符是什么？我该如何匹配它？

已解决 感谢Ibizaman和这个线程链接，我找到了这个字符。 它是unicode值中的nbsp。请参见http://unicodelookup.com/#160/1

这样做有效：

$output = preg_replace("/<p>[\x{00A0}\s]*<\/p>/u", "", $string);

正如mcrumley所指出的，这种方法可能会更好：

"/<p>[\p{Zs}\s]*<\/p>/iu"

- Saix

---

关于 <p>[^<]*<\/p> 怎么样？无论如何，检查页面源代码以确保...我记得上次类似的情况让我发疯:S - Enissay

@ibizaman：“/<p>[^a-zA-Z0-9]*</p>/”是个好主意，它作为一个不错的解决方法，但我可能需要稍微改进一下，谢谢。至少有了点头绪。 - Saix

@Saix 是的，确实如此。这就是我说它太严格的原因。尝试使用输出Unicode值的函数解析字符串（参见此 SO问题）。然后你会看到实际发生了什么。 - ibizaman

@ibizaman：我找到那个混蛋了... [链接] (http://unicodelookup.com/#160/1) - Saix

你的字符类并没有完全按照你想象中的那样工作。[\x{00a0}|\s]匹配非断行空格、空格和管道符"|". 你可以去掉"|"。 - mcrumley

Answer 1

您可以使用Unicode字符属性匹配所有空格�� \p{Zs}是“空格分隔符”，包括空格、不间断空格、窄空格等。您也可以使用\pZ来匹配所有分隔符，包括换行符和段落分隔符。有关详细信息，请参见http://www.php.net/manual/en/regexp.reference.unicode.php。

$output = preg_replace("/<p>[\p{Zs}\s]*<\/p>/iu", "", $string);

- mcrumley

Answer 2

由于您不知道正在输出哪个字符，因此首先要使用输出unicode值的函数（请参见此SO问题）解析$string的输出。

或者，您可以反过来进行处理，仅接受格式良好的段落：

$output = preg_replace("/(<p>[^a-zA-Z0-9]*<\/p>)/", "\1", $string);

免责声明：虽然我已经在评论中提到了这个问题，但考虑到它解决了问题，为了未来的参考，我认为将其放在回答中会更好。

注：此段文字涉及个人观点和评论，如需正式文档请联系相关专业人士。

- ibizaman

Answer 3

一个“空格字符”是\s，这将使您的整行。

$output = preg_replace("/<p>\s*<\/p>/", "", $string);

在regex101.com上查看一个示例。

- SQB

---

他已经尝试过 <p>[\s]*<\/p>，在这种情况下你不需要转义反斜杠。 - HamZa

只是为了确保，我也尝试了这个。也不起作用。 - Saix

好的，它确实有效。我会更新我的答案，并附上到regex101.com的链接。 - SQB

@SQB 当然，它对于“普通空格”有效，但是OP肯定没有普通空格0x20，或者代码（逻辑）存在其他问题。 - HamZa