从文本中移除锚点

Question

我需要从一些文本中删除锚点标签，但似乎无法使用正则表达式完成。
只删除锚点标签，不删除其中的内容。
例如，<a href="http://www.google.com/" target="_blank">google</a> 将变成 google。

- Lior

Answer 1

确切地说，用正则表达式无法正确完成此任务。

以下是使用DOM的示例：

$xml = new DOMDocument(); 
$xml->loadHTML($html); 

$links = $xml->getElementsByTagName('a');

//Loop through each <a> tags and replace them by their text content    
for ($i = $links->length - 1; $i >= 0; $i--) {
    $linkNode = $links->item($i);
    $lnkText = $linkNode->textContent;
    $newTxtNode = $xml->createTextNode($lnkText);
    $linkNode->parentNode->replaceChild($newTxtNode, $linkNode);
}

在对DOM进行更改时，倒序循环非常重要。

- Yann Milin

---

回答很好，但我该怎么使用它？对用法不是很清楚。我只需要echo出$newTxtNode吗？还是lnkText？ - jcobhams

@VyrenMedia Op 问如何用链接文本内容替换链接，因此在此循环的末尾，您将获得一个没有链接的 DOMDocument 对象。您可以使用 $xml->saveHTML(); 获取整个 HTML 结果。$lnkText 包含当前链接文本作为字符串，并且您可能想修整它。 - Yann Milin

非常感谢您的回复@Yann-Milin。然而，我已经找到了一个正则表达式的解决方案来解决这个问题。 - jcobhams

请参见正则表达式，语句“无法使用正则表达式正确完成”似乎不是真的。 - LarS

我想说的是，任何正则表达式解决方案都不是一个好的解决方案。显然，你可以对HTML文本运行正则表达式查询，但这并不意味着你应该这样做 :) 关于这个主题的有趣阅读：这里和这里。 - Yann Milin

Answer 2

那么您可以尝试

preg_replace('/<\/?a[^>]*>/','',$Source);

我已经在线在rubular上试过了。

- stema

---

这是不正确的，因为它也会剥离以a开头的其它标签，比如article或address。 - LarS

也许有更好的正则表达式：preg_replace('/<\s/?\sa(?:\s|\s+[^>])>/', '', $vars['panes']); - LarS

@CSᵠ的答案更好，可以删除'a'标签中间的偶数文本。 - Sadee

Answer 3

这个问题已经有答案了，但我想加入我的解决方案。我喜欢这个方案比被接受的方案更简单明了。

$content = 
    preg_replace(array('"<a href(.*?)>"', '"</a>"'), array('',''), $content);

- user1491929

---

这很好而且简单，也可以使用 $content = preg_replace(array('"<a (.*?)>"', '"</a>"'), array('',''), $content);，以防“href”不是锚标签中的第一个属性。 - David Thomas

@DavidThomas 很棒的贡献！ - user1491929

Answer 4

你正在寻找 strip_tags() 函数。

<?php

// outputs 'google'
echo strip_tags('<a href="http://www.google.com/" target="_blank">google</a>');

- Pekka

---

我需要保留其他标签，只需删除锚点。 - Lior

@Lior 哦，我明白了。strip_tags确实不会这样做。有一个用户贡献的注释中提供了一个实现方法，可能会对你有帮助：http://php.net/manual/en/function.strip-tags.php#100054 - Pekka

@Pekka 你可以传递一个第二个参数给 strip_tags() 函数，这个参数是一个包含“可允许标签”的字符串：http://php.net/manual/en/function.strip-tags.php。 - Jasper

@Jasper但这对此处没有帮助，是吗？他必须指定在$allowable_tags中存在的所有标签。 - Pekka

@Pekka 很不幸的是，您必须将某些标记列入黑名单，而无法将要移除的标记列为白名单。但是，如果您了解正在解析的内容类型，您可能可以将该黑名单缩小到一个小列表。 - Jasper

Answer 5

使用正则表达式：

preg_replace('/<a[^>]+>([^<]+)<\/a>/i','\1',$html);

该代码段使用正则表达式替换HTML中的超链接标签，并保留其文本内容。

- CSᵠ

---

如果锚点元素内有<img...>元素会怎么样？ - ridgerunner

Answer 6

尝试一下：

$str = '<p>paragraph</p><a href="http://www.google.com/" target="_blank" title="<>">google -> foo</a><div>In the div</div>';
// first, extract anchor tag
preg_match("~<a .*?</a>~", $str, $match);
// then strip the HTML tags
echo strip_tags($match[0]),"\n";

输出：

google -> foo

- Toto

Answer 7

大部分这里的正则表达式对我没有帮助。其中一些会删除锚点内的内容（这完全不是 OP 所要求的），而且并不是所有内容都会被删除，其中一些匹配以 a 开头的任何标签等。

这就是我为自己在工作中创建的内容。我们遇到了一个问题，将具有锚点标记（具有许多数据属性和其他属性）的 HTML 传递给 wkhtmltopdf 有时会导致 PDF 无法产生，因此我想删除那些标记，同时保留文本。

正则表达式：

/ < /？a（[^>] *）？> / ig

在 PHP 中，您可以执行以下操作：

$text = "<a href='http://www.google.com/'>Google1</a><br>" .
        "<a>Google2</a><br>" .
        "<afaketag href='http://www.google.com'>Google2</afaketag><br>" .
        "<afaketag>Google4</afaketag><br>" . 
        "<a href='http://www.google.com'><img src='someimage.jpg'></a>";
echo preg_replace("/<\/?a( [^>]*)?>/i", "", $text);

输出：

Google1<br>Google2<br><afaketag href='http://www.google.com'>Google2</afaketag><br><afaketag>Google4</afaketag><br><img src='someimage.jpg'>

- Chrysus