去除HTML标签及其内容

Question

我正在使用 DOM 来解析字符串。我需要一个函数，可以删除 span 标签及其内容。例如，如果我有以下内容：

This is some text that contains photo.
<span class='title'> photobyile</span>

我想让函数返回值

This is some text that contains photo.

这是我尝试的内容：

    $dom = new domDocument;
    $dom->loadHTML($string);
    $dom->preserveWhiteSpace = false;
    $spans = $dom->getElementsByTagName('span');

    foreach($spans as $span)
    {
        $naslov = $span->nodeValue; 
        echo $naslov;

        $string = preg_replace("/$naslov/", " ", $string);
    }

我知道$span->nodeValue返回的是标签的值而不是整个标签，但我不知道如何获取整个带有类名的标签。

谢谢， Ile

- ilija veselica

---

如果您不需要使用DOM，请查看strip_tags手册中的注释。 - David Kuridža

你不能告诉 strip_tags 函数应该去除哪些标签，只能告诉它不要去除哪些标签。 - Lukáš Lalinský

没错，这就是为什么我提到了注释，其中可以找到去除标签的方法。 - David Kuridža

如果不是DOM，那我就得使用正则表达式。这并不是我真正想要的 :) - ilija veselica

好的，我会尽力为您翻译。以下是需要翻译的内容：+1 bonus point for not parsing HTML using regex - bobince

有什么线索可以将其转换为字符串而不是直接回显，以便我可以进一步操作它？ - Ahmad Alfy

Answer 1

尝试直接从DOM树中删除spans。

$dom = new DOMDocument();
$dom->loadHTML($string);
$dom->preserveWhiteSpace = false;

$elements = $dom->getElementsByTagName('span');
while($span = $elements->item(0)) {       
   $span->parentNode->removeChild($span);
}

echo $dom->saveHTML();

- Lukáš Lalinský

---

@AhmadAlfy $theVariable = $dom->saveHTML(); ... 你得认真学习一下PHP了... - Christian

虽然我来晚了，但这并不妨碍我理解内容。如果我使用上面的代码（将loadHTML更改为loadHTMLfile，并将'span'更改为'link'），所有我的<link>标签都会消失，但它们的内容仍然存在（即<link>http://www.something.com</link>变成了http://www.something.com）。 - Birrel

@Birrel 这不是因为 <link> 不是一个“成对出现”的元素，所以解析器不会期望它包含任何内容。尝试将你的 HTML 更改为其他标签，例如 <a>，这应该是用于链接的标签。 - Lukáš Lalinský

@LukášLalinský 我正在解析XML文件，它们的格式与常规网页不同。更具体地说，我正在解析RSS提要 - 它们有非常松散的标准化规则，因此从来没有两个是相同的。一个可能有<link>...</link>，而另一个可能有<link href="..." />。这令人沮丧，至少可以这么说。 - Birrel

@LukášLalinský 但是，你可能是对的，期望<link>标签是自闭合的，因此省略了它的尾部。我改为只提取我感兴趣的部分，然后在这个小块上进行暴力解析。这样做是安全的，现在可以工作了。 - Birrel

Answer 2

@ile - 我曾遇到过这个问题 - 这是因为foreach迭代器的索引会快乐地不断增加，而在DOM上调用removeChild()似乎也会将节点从DomNodeList($spans)中删除。因此，对于每个你移除的span，节点列表就会缩小一个元素，并且其foreach计数器也会增加一个。结果就是跳过了一个span。

我相信肯定有更加优雅的方法，但这就是我做的方式 - 我将DomNodeList中的引用移动到了第二个数组中，这样它们就不会被removeChild()操作删除。

    foreach($spans as $span) {
        $nodes[] = $span;
    }
    foreach($nodes as $span) {
        $span->parentNode->removeChild($span);
    }

- kander

---

我明白了... 虽然我必须承认我不知道foreach循环的工作原理。现在它变得更清晰了。 谢谢！ - ilija veselica