用preg_replace替换所有html代码

Question

我想将所有html代码替换为空白区域。我想我应该使用 preg_replace 函数，但我不知道如果html代码以这种方式显示，我应该怎么做：

”
β

$text="β something ” test..."

$text=preg_replace("&# [what should be here?] ;", " ", $text);

echo $text;
result =  something  test...

我认为它应该只是数字，因为我在这里只发现数字：http://www.ascii.cl/htmlcodes.htm

Answer 1

你可以看看strip_tags，它正是这样做的。然而，这些不是HTML代码，它们被称为HTML实体。

匹配您想要的regex如下所示：

(&#.+?;)

非常简单，在&#之前查找;然后重复的字符。

编辑：正如Qtax指出的那样，他们不必是数字。 Dot匹配所有。

Answer 2

HTML字符引用可以是defined in two ways。假设您只想替换数字字符引用，则需要一个解析这些格式的正则表达式：

• &#D;其中D是十进制数
• &#xH;其中H是十六进制数

正在处理两者的正则表达式：

/&#(\d+|x[\da-f]+);/i

Answer 3

如果您要替换所有HTML实体，例如&foo;，您可以使用以下内容：

preg_replace('/&(?:[a-z]+|#x[\da-f]+|#\d+);/i', ' ', $text);

如果要解码它们，请使用html_entity_decode。

Answer 4

&<something>;是HTML实体的语法。如果要替换所有这些，请使用此正则表达式：

preg_replace('/&.*?;/', '', $subject); // from ampersand till the next semicolon

它将使用空字符串替换所有HTML实体，包括ä，&x20;和其他