从字符串中删除错误标记的最佳方法

Question

删除错误标签的最佳方法是什么？

如果标记包含在同一标记

中，则标记错误

例如，这一行

<q>+7</q> (<q><q>9</q>6</q><q>2</q>) <q>9</q><q>3</q><q>7</q> <q>4</q><q>2 2</q><q>4</q>

删除错误的标签后：

<q>7</q> (<q>96</q><q>2</q>) <q>9</q><q>3</q><q>7</q> <q>4</q><q>2 2</q><q>4</q>

不只是这个简单的例子：

在：

<p>bla-bla <p>bla-bla</p> bla-bla</p>

后：

<p>bla-bla bla-bla bla-bla</p>

Answer 1

这个问题几乎涵盖了您需要了解的所有内容：RegEx match open tags except XHTML self-contained tags

它的长短：你不能使用正则表达式。你＆＃34;可能＆＃34;但它会如此复杂以至于会在代码中的其他地方产生问题。修剪你的代码库，运行html净化器，xml解析器或其他类似的东西。正则表达式可能是您的问题的错误解决方案。

Answer 2

你可以使用这种模式：

(<(.+)>)(.+?)(<\2>)(.*?)(<\/\2>)(.*?)(<\/\2>)$

并替换

的字符串

$1$3$5$7$8

我相信你可以在PHP上做到这一点

   echo preg_replace("(<(.+)>)(.+?)(<\\2>)(.*?)(<\\/\\2>)(.*?)(<\\/\\2>)$", "$1$3$5$7$8", "<p>bla-bla <p>bla-bla</p> bla-bla</p>");

您可以在此处查看此正则表达式的实时示例http://regexr.com/3e8o3

一个重要的评论是你可能需要在while循环中调用它，直到正则表达式停止匹配，因为这个正则表达式不是递归的，所以这不适用于3个或更多级别的嵌套。