Question

我制作了一个正则表达式来删除空格和其他垃圾，例如新行和制表符。

preg_replace('/[\s\t\n\r]+/mu', ' ', $var);

但是我的字符串是html编码的，这意味着我将一些字符替换为＆amp;＃...;

我们还可以做些什么来解释编码的字符？

Answer 1

我想知道是否可以为这些小组制作类似这样的量词。

preg_replace('/(\s|&#09;|&nbsp;)+/mu', ' ', $var)

修改

Answer 2

你可以先做一个html解码，然后应用正则表达式，然后再对其进行编码

类似的东西：

$result = htmlentities(preg_replace('/[\s\t\n\r]+/mu', ' ', html_entity_decode($var)));

Answer 3

单个正则表达式可能还不够。

这将替换任何实体编码的 ascii 值，该值不是具有实际ascii字符的控制字符，按空格控制字符，并将所有内容保留在126以上。

<?php
$in = "&amp;&#032;&#192;&#12;";

$out = preg_replace_callback('/&#(\d{1,4});/u', function($match) {
        $v = $match[1]+0;
        if($v < 33) return ' ';
        elseif($v > 126) return $match[0];
        else return chr($v);
}, $in);
$out = preg_replace('/\s{2,}/mu', ' ', $out);

echo $out;
?>

注意：技术上127（ESC）也是ascii，但我为了更短的例子而跳过它。

您可以在中间步骤中展开回调（和正则表达式）或删除命名实体。但请注意， 不等同于 ，而是 ，它是一个可能无法换行的空格宽度不可见字符。其他命名实体也是如此（您通常希望保留，&等。）

Answer 4

先使用html_entity_decode()，然后使用preg_replace，例如

preg_replace('/[\s\t\n\r]+/mu', ' ', html_entity_decode($var));

从html编码的字符串中删除空格/垃圾

4 个答案: