正则表达式从html标记中去除属性和值

Question

嗨大家我对正则表达式很新，你能帮我解决这个问题。

我有一个像"<input attribute='value' >"这样的字符串，其中attribute='value'可以是任何内容，我想做preg_replace来获得<input />

如何指定通配符来替换srting中任意数量的任何字符？

像这样？ preg_replace("/<input.*>/",$replacement,$string);

非常感谢

Answer 1

你有什么：

.*

将匹配“任何角色，并尽可能多。

意味着什么是

[^>]+

转换为“任何字符，不是”＆gt;“，并且必须至少有一个

或更改，

.*?

这意味着 “任何角色，但只足以使这条规则有效”

但不要

使用regexp解析HTML 错误

使用任何现有的html解析器，DOM库，任何东西，JustNOTNAïVEREGEX

例如：

 <foo attr=">"> 

将正则表达式错误地抓住

'<foo attr=" ' with following text of '">' 

这会引导你进入这个正则表达式：

 `<[a-zA-Z]+( [a-zA-Z]+=['"][^"']['"])*)>  etc etc 

此时你会发现这个可爱的宝石：

 <foo attr="'>\'\"">

你的脑袋会爆炸。

（语法高亮显示验证了我的观点，错误地认为我已经结束了标记。）

Answer 2

有些人很接近......但不是100％：

此：

preg_replace("<input[^>]*>", $replacement, $string);

应该是这样的：

preg_replace("<input[^>]*?>", $replacement, $string);

你不希望那是一场贪婪的比赛。

Answer 3

preg_replace("<input[^>]*>", $replacement, $string); 
// [^>] means "any character except the greater than symbol / right tag bracket"

这实际上是基本的内容，你应该catch up with some reading。 ： - ）

Answer 4

如果我正确理解了这个问题，你就得到了代码：

preg_replace("/<input.*>/",$replacement,$string);

并且您希望我们告诉您应该使用$ replacement来删除匹配的内容。*

你必须以相反的方式解决这个问题。使用捕获组捕获要保留的内容，然后将其重新插入替换中。 E.g：

preg_replace("/(<input).*(>)/","$1$2",$string);

当然，你不需要在这里捕获组，因为你只是重新插入文字文本。如果您想在标签可以变化的情况下执行此操作，请在上面显示该技术。这是一个更好的解决方案：

preg_replace("/<input [^>]*>/","<input />",$string);

否定的字符类比点更具体。如果字符串中有两个HTML标记，则此正则表达式将起作用。你原来的正则表达式不会。