PHP: strip_tags - 只删除特定标签（及其内容）？

Question

我使用strip_tags()函数，但我需要删除某些标签（以及它们的所有内容）。

例如：

<div>
  <p class="test">
    Test A
  </p>
  <span>
    Test B
  </span>
  <div>
    Test C
  </div>
</div>

假设我需要去掉P和SPAN标签，只保留文本：

<div>
  <div>
    Test C
  </div>
</div>

strip_tags函数的第二个参数指定需要保留的标签。

在这个例子中，可以使用striptags($html, "<div>");来移除特定标签，但我需要移除的标签每次都不同。

我搜索了几个小时，但没找到适合我的需求的函数。

有什么好的想法吗？

- Dylan

---

从DOM和XPath开始。 - DaveRandom

问题已在此处得到回答：https://dev59.com/EmHVa4cB1Zd3GeqPp8A0 - Jocelyn

我尝试了这篇帖子中被接受的答案，但对结果不满意。 - Dylan

Answer 1

使用正则表达式。像这样的东西应该可以工作：

$tags = array( 'p', 'span');
$text = preg_replace( '#<(' . implode( '|', $tags) . ')>.*?<\/$1>#s', '', $text);

演示显示了它将目标标签替换为无。

请注意，您可能需要进行更多的调整，例如，以弥补标签内的空格或其他示例未演示的未知因素。

这是要使用的正则表达式，用于捕获具有或不带属性的标签：

'#<(' . implode( '|', $tags) . ')(?:[^>]+)?>.*?<\/$1>#s'

- nickb

---

@Downvoter - 请问我的功能答案为什么被踩了？ - nickb

谢谢，这正适合我的情况。我正在使用简单的HTML DOM解析器进行网页抓取，只需要一些额外的剥离处理。 - Dylan

@Dylan - 你的示例没有包括属性 - 如果你想匹配它们，你应该使用：'#<(' . implode( '|', $tags) . ')[^>]+>.*?</\1>#s'。 - nickb

我同意，我只是不想关闭这个问题，希望能得到更多的答案。你的正则表达式现在包括带属性的标签，但对于没有属性的标签不再起作用。我对正则表达式的了解很遗憾不足以修复它。 - Dylan

更新：使用 '#<(' . implode( '|', $tags) . ')[^>]?>.?</\1>#s'，似乎可以处理带有和不带有属性的标签。 - Dylan

Answer 2

您说您正在使用Simple HTML DOM（很好！这是解析HTML的正确方式）。当我需要删除一个标签及其内容时，我会执行以下操作：

$rows = $html->find("span");

foreach ($rows as $row)
{
  $row->outertext = "";
}

$html->load($html->save());

最后一行是必需的，因为在进行修改后DOM会变得混乱，所以整个DOM必须被折叠然后再次解析，以便更改是永久的（在我看来，这是Simple HTML DOM中的一个错误）。

与正则表达式相比，Simple HTML DOM方法更安全、更稳定。

- CubicleSoft