Question

我在字符串中有这个标签：

<?xml:namespace prefix = o /?>

如何使用PHP和regex从字符串中删除那些和类似的标签？

我试过了：

$clean = preg_replace('/<\?xml[^>]+\/>/im', '', $dirty);

Answer 1

该字符串中的内容为Processing Instruction (PI, see XML 1.0)。

如果要从未使用PCRE UTF-8修饰符进行UTF-8编码的字符串中删除这些PI，可以使用以下模式：

~
    <\?
    (?: [A-Za-z_:] | [^\x00-\x7F] ) (?: [A-Za-z_:.-] | [^\x00-\x7F] )*
    (?: \?> | \s (?: [^?]* \?+ ) (?: [^>?] [^?]* \?+ )* >)
~x

它是从 a REX expression for XML Processing Instructions 到PHP中使用的PCRE表达式的翻译。

代码示例：

$str = "some string <?xml:namespace prefix = o /?> that is";

$pattern = '~
    <\?
    (?: [A-Za-z_:] | [^\x00-\x7F] ) (?: [A-Za-z_:.-] | [^\x00-\x7F] )*
    (?: \?> | \s (?: [^?]* \?+ ) (?: [^>?] [^?]* \?+ )* >)
~x';

echo preg_replace($pattern, '', $str);

输出：

some string  that is

与之前给出的答案不同的是，这个正则表达式确实......

...正确考虑结束顺序（＆＃34; ?>＆＃34;）。特别是＆＃34; >＆＃34;可以在处理指令中使用。
...没有要求将处理指令的名称限制为以＆＃34; xml＆＃34;开头。仅
...它实际上是在寻找一个名称作为开场序列的一部分。
...处理空的和非空的处理指令。

值得一提的有关限制的一些注意事项：

该模式用于浅层解析。也就是说，如果你还没有从字符串中删除其他可能包含文本的标记结构，这些文本又看起来像这样的处理指令（例如CDATA块或注释），那么模式将错误地匹配。
该模式与 XML声明匹配，该声明以＆＃34; <?xml＆＃34;开头。同样。这可以通过在打开＆＃34; <?＆＃34;之后不查找XML保留名称来更改。像＃34; (?! [xX][mM][lL] (?: \?> | \s ) )＆＃34;。

由于这些限制，可能值得考虑

正则表达式的替代

首先，使用PHP strip_tags来删除处理指令要容易得多。它也会删除其他标签和评论。这可能并不总是需要，它只是非常直接：

strip_tags($str)

更明确的是，正则表达式和strip_tags都使用PHP附带的XML解析器之一来去除处理指令。例如PHP的DOM扩展。它可以包装在一个函数中，以便轻松应用于字符串：

dom_strip_pis($str)

这样的示例性函数也适用于您使用保留名称＆＃34; xml＆＃34;的XML字符串。作为XML中实际上不正确的前缀。但解析器不会呛到它：

/**
 * remove processing instructions from an XML string
 *
 * @author hakre <http://hakre.wordpress.com>
 *
 * @param string $xml
 * @return string
 */
function dom_strip_pis($str) {
    $doc = new DOMDocument;
    $fragment =  $doc->createDocumentFragment();
    $saved = libxml_use_internal_errors(true);
    $fragment->    appendXML($str);
    libxml_use_internal_errors($saved);
    foreach($fragment->childNodes as $node) {
        if ($node instanceof DOMProcessingInstruction) {
            $node->parentNode->removeChild($node);
        }
    }
    return $doc->saveXML($fragment);
}

使用上一个示例中给出的XML解析器不会让您处理浅层解析。

Answer 2

你非常接近 - 请注意＆＃39;？＆＃39;在收盘角括号前的最后：

<?xml:namespace prefix = o /?>

为了匹配它，你需要这个：

<?php
$clean=preg_replace('/<\?xml[^>]+\/\?>/im', '', $dirty);
?>

从XML String - >中删除处理指令（<！ - ？xml标记和内容）

2 个答案:

正则表达式的替代