Question

我将不同的网站内容存储在名为$ content的变量中。现在我想做的是搜索META标签的内容，如下所示：

<meta http-equiv="Content-type" content="text/html; charset=utf-8" />

然后将utf-8替换为IS0-8859-1。我如何使用preg_replace做到这一点？

请注意每次出现都不像那个元标记。根据您获取的网站，它可能会有所不同。

Answer 1

您无需使用preg_replace来执行此操作。只需使用str_replace：

$content = str_replace('; charset=utf-8', '; charset=ISO-8859-1', $content);

Answer 2

这样的事情：

$input = 'sometext<meta http-equiv="Content-type" content="text/html; charset=utf-8" />someothertext';

$output = preg_replace('#<meta http-equiv="Content-type" content="text/html; charset=(utf-8)" />#', 
    '<meta http-equiv="Content-type" content="text/html; charset=IS0-8859-1" />', 
    $input);

var_dump($output);

其中只是用第二个字符串替换第一个字符串，为您提供：

string 'sometext<meta http-equiv="Content-type" content="text/html; charset=IS0-8859-1" />someothertext' (length=95)

当然，这是考虑输入元总是相同的，总是以相同的方式编写，属性顺序相同而且都是。

正则表达式更宽容可能是：

$output = preg_replace('#<meta\s+http-equiv="Content-type"\s+content="text/html;\s+charset=(utf-8)"\s+/>#', 
    '<meta http-equiv="Content-type" content="text/html; charset=IS0-8859-1" />', 
    $input);

当然，这仍然不是真的原谅^^

但是，如果您知道用作输入的元数据总是相同的，那么您不需要正则表达式;我认为str_replace会做得很好......

这样的事情：

$output = str_replace('<meta http-equiv="Content-type" content="text/html; charset=utf-8" />', 
    '<meta http-equiv="Content-type" content="text/html; charset=IS0-8859-1" />', 
    $input);
var_dump($output);

它可以获得相同的输出：

string 'sometext<meta http-equiv="Content-type" content="text/html; charset=IS0-8859-1" />someothertext' (length=95)

在评论和版本OP之后编辑
（是的，我看到另一个答案，基于str_replace，已被接受......但是，这可能会有用）

如果你真的想要操纵那些没有“固定”的HTML，你无法控制，那么根本不使用正则表达式可能会更好，但有些工具就是为此做的。

例如，捆绑的班级DOMDocument和它的DOMDocument::loadHTML可能会有所帮助;可能加上一些XPath查询 - 即使它有点像重型炮兵^^

有关更多信息，您可以take a look at this answer几天前我给了另一个问题...

而且，在你的情况下，这样的事情可能会这样做：

$input = <<<HTML
<html>
<head>
    <meta http-equiv="Content-type" content="text/html; charset=utf-8" />
    <title>Test</title>
</head>
<body>
    <p>Hello, world!</p>
</body>
</html>
HTML;

$dom = new DOMDocument();
$dom->loadHTML($input);

$xpath = new DOMXpath($dom);
$metas = $xpath->query('//meta[@http-equiv="Content-type"]');

if ($metas->length > 0) {
    $meta = $metas->item(0);
    $attribute = $meta->getAttribute('content');
    if (strpos($attribute, 'text/html') === 0) {
        $meta->setAttribute('content', 'text/html; charset=ISO-8859-1');
    }
}

echo $dom->saveHTML();

最有趣的部分是：

您正在使用带有标准DOM方法的DOM解析器
您可以执行XPath查询以准确找到所需的元素

生成的HTML将如下所示：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html>
<head>
<meta http-equiv="Content-type" content="text/html; charset=ISO-8859-1">
<title>Test</title>
</head>
<body>
    <p>Hello, world!</p>
</body>
</html>

可能有点重，并且需要更多的代码...但是，有了它，它应该始终有效（好吧，只要用作输入的HTML不是太混乱，我猜）。

它适用于文档中的任何其他内容; - ）

也许在你的情况下有点太多了，但是，运气好的话，你会记住这一天你必须解析一些HTML，并且最终不会与任何类型的突变正则表达式对抗^^

哦，当然：更改元内容类型不会改变内容的实际编码：如果有必要，您仍然必须自己执行此操作（例如，请参阅iconv或{ {3}}）

您可能还需要更改HTTP Content-type标头（如果/何时设置了HTTP标头，则不确定浏览器如何处理元数据）

Answer 3

你可以匹配'charset = *“'并用”ISO-8859-1“替换*，无论它是什么。

这样的事情：

$content = preg_replace('/(charset=)(.+)\"/', "$1"."ISO-8859-1", $content);

用preg_replace替换charset

3 个答案: