Question

我需要清理一些非常丑陋的HTML（想想＆lt; span＆gt;＆lt; / span＆gt;＆lt; em＆gt;＆lt; / em＆gt;＆lt; em＆gt;＆lt; / em＆gt;＆lt; strong＆gt;＆lt; / strong＆gt; ）一遍又一遍......

我正在寻找一个简单易用的preg_replace来消除任何包含它们之间可选空格的html标签。非常感谢您的帮助！

哦，刚发现这个美女：

＆LT; p为H.＆LT;强＆GT;＆LT;强＆GT;＆LT; /强＆GT;＆LT; /强＆GT;＆LT; / p为H.

看起来这也需要在while循环中生存。

Answer 1

这个主题如何不断出现很有趣。

Don't go with regex。请改为HTML Tidy。

Answer 2

如果您希望真正清理一些代码，我建议使用PHP中的Tidy类。有some examples可能有助于您入门。（注意这是HTML Tidy）

的前端

Answer 3

如果你真的想要一个正则表达式，这里有一个：

s:<(\w+)>\s*<\/\1>::g

多次运行以消除嵌套案例。

Answer 4

嗯，看起来整洁是答案：

function cleanupcrap($html){
$tidy_config = array( 
     'clean' => true, 
     'output-xhtml' => true, 
     'show-body-only' => true, 
     'wrap' => 0,
     ); 

    $tidy = tidy_parse_string($html, $tidy_config, 'UTF8'); 
    $tidy->cleanRepair(); 
    return $tidy->value;

}

如何删除任何html标签，除了它们之间只有可选的空格

4 个答案: