Question

我有一些带有类似HTML标签的文字，我想删除它。我只想允许大约十二个列入白名单的标签，例如＆lt; b＆gt;或者＆lt; i＆gt;。我不能使用PHP的条带标签，因为我需要使用正则表达式的更通用的解决方案（因为我的一些其他标签使用不同的约定，例如[tag]而不是＆lt; tag＆gt;）。怎么做到这个效果？

我现在使用的正则表达式是：

return preg_replace('/ \<[^\>]+\>/', '', $text);

如何更改它以排除我提到的标签？我查看了类似的问题，但他们没有提供我在这里提到的具体问题的解决方案。

Answer 1

如果您不能使用PHP的strip_tags()，请使用HTMLPurifier，这样您就可以安全地实施各种规则。

Answer 2

无论如何要回答你的问题，你可以使用断言(?!..)来排除匹配中的内容：

preg_replace('#<(?!/?(a|b|i|div)\b)[^>]+>#'

但请记住，这不是一种非常可靠的方法。过滤标签名称很容易。要进行彻底的清理，您必须清理属性，使其变得复杂。试试HTMLPurifier，它已经包含大量的正则表达式。

Answer 3

$wl = '(?!(?:b|tr|td)\b)';   // whitelist in group

$rxtags = '
<
(?:
    (?:
       (?:
           (?:' ."$wl". 'script|' ."$wl". 'style) \s*
         | (?:' ."$wl". 'script|' ."$wl". 'style) \s+ (?:".*?"|\'.*?\'|[^>]*?)+\s*
       )> .*? </(?:' ."$wl". 'script|' ."$wl". 'style)\s*
    )
 |
    (?:
        /?' ."$wl". '\w+\s*/?
      | '   ."$wl". '\w+\s+ (?:".*?"|\'.*?\'|[^>]*?)+\s*/?
      | !(?:DOCTYPE.*?|--.*?--)
    )
)
>';

s/$rxtags//xsg

"/$rxtags/xs"，修饰符：扩展，跨度，全局

将' . "$wl" . '更改为' + "$wl" + '，或者在php中完成连接。

使用正则表达式删除除少数白名单之外的所有标记

3 个答案: