Question

我应该删除从通用网站URL的file_get_contents中提取的PHP字符串中的标记之间的所有内容（和标记）。＆＃xA;我正在使用RegEx表达式：

＆＃xA;＆＃xA ;

  preg_replace（'/＆lt; script \ b [^＆gt;] *＆gt;（。*？）＆lt; \ / script＆gt; / is'，“”，$ string）;＆＃xA;

＆＃xA;＆＃xA;

它工作正常，但我的问题是，如果脚本包含CDATA标记，它将无法正常工作。字符串的示例是：

＆＃xA;＆＃xA;

 ＆lt; script type ='text / javascript'＆gt;＆＃xA; / *＆lt;！[CDATA [* /＆＃xA; var variable = {“ajax”：“.....”}＆＃xA; / *]]＆gt; * /＆＃xA;＆lt; / script＆gt;＆＃xA;

＆＃xA;＆＃xA;

我猜问题是那些“/ ”和“ /“tags。

＆＃xA;＆＃xA;

我已经在google和Stack Overflow上进行了搜索，但是他们没有问题与特定类型的cdata标签（使用/ *和* /），所以没有任何作用。

＆＃xA;有任何建议吗？

＆＃xA; 编辑：< / strong>＆＃xA;正如Steve回答的那样，我现在正在使用这样的代码：

＆＃xA;＆＃xA;
foreach（$ dom-＆gt; getElementsByTagName（'script'））作为$ scripttag）{＆＃xA; $ scripttag-＆gt; parentNode-＆gt; removeChild（$ scripttag）;＆＃xA;}＆＃xA;
＆＃xA;＆＃xA;
然后我有：
＆＃xA;＆＃xA;
foreach（$ dom-＆gt; getElementsByTagName（'ins'）as $ string）{＆＃xA; $ string2。= $ string-＆gt; nodeValue;＆＃xA; $ string2。='';＆＃xA;}＆＃xA;
＆＃xA;＆＃xA;
但是返回带有脚本标签的$ string2。
＆＃xA;＆＃xA;
编辑2（求助）：＆＃xA;在Steve的帮助下，我发现使用Xpath可以解决问题：
＆＃xA; ＆＃xA;
$ xpath = new DOMXpath（$ dom）;＆＃xA; foreach（$ xpath-＆gt; query（'// script'）as $ node）{＆＃xA; $ node-＆gt; parentNode-＆gt; removeChild（$ node）;＆＃xA;}＆＃xA;
＆＃xA;＆＃xA;
删除另一个内部的脚本标记标签，例如：
＆＃xA;＆＃xA;
＆lt; ins＆gt;＆lt; script＆gt; First JS＆lt; / script＆gt;＆lt; / ins＆gt;＆＃xA;＆lt; ins＆gt;您好＆lt; / ins＆gt;＆＃xA;＆lt; script＆gt;第二个JS＆lt; / script＆gt;＆＃xA;
＆＃xA;＆＃xA;
将输出
＆＃ xA;＆＃xA;
Hello＆＃xA;
＆＃xA;＆＃xA;
谢谢大家的帮助！
＆＃xA;

Answer 1

不要使用正则表达式，使用正确的html解析器，如domdocument：

$dom = new DOMDocument('1.0', 'utf-8');
$dom->loadHTML($html);
//removing elements from a nodelist resets the internal pointer, so traverse backwards:
$elements = $dom->getElementsByTagName('script');
$count = $elements->length;
while(--$count){
    $elements->item($count)->parentNode->removeChild($elements->item($count));
}

//you can do further dom manipulation here if needed
$insertContents='';
foreach($dom->getElementsByTagName('ins') as $insert){
    $insertContents .= $insert->nodeValue . ' ';
}
//if you need the complete html at all:
$html = $dom->saveHTML();
//your desired string:
echo $insertContents;

PHP - 删除HTML字符串

1 个答案: