Question

除了div类之外，我想从字符串中删除所有html内容：<div class="toto">blablabla</div>

我应该使用正则表达式还是DOM解析器？

回答drachenstern：

这是bbcode的评论内容。并且这个div中的html是用Geshi（代码突出显示器）生成的，所以我不想删除它。

例如，访问者可以在<script></script> bbcode代码中输入[code][/code]。 [code][/code] bbcode标记之外的所有HTML都必须删除否？

Answer 1

这是almost impossible to use a Regex to successfully extract data from a webpage所以我建议改为使用dedicated HTML parser。有些问题对于你来说每次尝试解决它们都很重要，所以它被认为是use an external library可以接受的。

如果你只需要一个div，我想知道你在尝试用特定的div做什么。它可以在客户端工作，还是必须在服务器端发生？你想写一个刮刀吗？

Answer 2

我想你已经知道了答案:-)

严重但是......在这种情况下，它取决于周围字符串的复杂性...如果它有一个很大的差异或你要保留的片段深层嵌套，那么dom解析器会生成sonse ..如果周围内容是非常可预测的，然后正则表达式可以做。我可能会以任何一种方式使用DOM，因为它更容易使用并且是最安全的。

Answer 3

除非你能保证字符串的这一部分完全是<div class="toto".....</div>形式，否则正则表达式不能这样做。确切地说，我的意思是class之前没有其他属性，而且这个属性中没有其他div元素。大写/小写，空格和单/双引号应该能够由正则表达式处理。

由于您可能无法做出这些保证（如果可能的话，这将是一种例外情况），您需要一个DOM解析器

即使您确实为这个非常具体的案例制作正则表达式，如果您要在其他地方进行可能的更改或执行类似的任务，那么DOM解析器很快就会变得有价值。

编辑 - 错误地将空白分类，固定。

Answer 4

wordpress和其他人仍然使用kses，它似乎是一个非常灵活的过滤器 - 在这里查看：http://sourceforge.net/projects/kses/

示例：

$string = kses($string, array('div' => array('valueless' => 'n', value => 'toto')));

Answer 5

（我假设PHP标签中的以下内容很有用......）

strip_tags()就是这样做的。示例代码

<?php
$text = '<p>Test paragraph.</p> <div class="blah">Other text</div>';

echo strip_tags($text, '<div>');
echo "\n";
?>

产生输出

Test paragraph. <div class="blah">Other text</div>