用于删除连续字符格式标记的正则表达式

Question

我需要一个正则表达式来匹配并替换简单DOM Html Parser中包含整个段落标记的连续字符格式化标签

输入：

<p><b><i>Lorem Ipsum Content</i></b></p>

预期输出：<p>Lorem Ipsum</p>

在下面的情况下，正则表达式应匹配并仅替换<b>标记，因为它是唯一包含整个段落标记的标记

例如：输入：<p><b>Text <i> some more text </i>text inside </b></p>

输出：<p>Text <i> some more text </i>text inside </p>

谢谢。

Answer 1

不是优雅的，也许是部分的灵魂。

1. 修剪（剥离）input字符串
2. while True:
3. 将<i>替换为""
4. 将<b>替换为""
5. 将等字符标记替换为""
6. ...
7. 如果在步骤3~6中找不到匹配项，则break。

第3步的正则表达式是这样的。

<p>\s*(<i>)*\s*.*(<\/i>)\s*<\/p>

对于<b>代码，请将<i>替换为<b>等。

Answer 2

看起来像这样：

foreach($html->find('p') as $p) {
  while(preg_match('/^<([^>]+)>(.*)<\/\1>$/', $p->innertext, $m)){
    $p->innertext = $m[2];
  }
}

请注意，正则表达式中的\1与第一个捕获组中的html标记名称匹配，可能不是必需的，但我是为奖励而做的。