strip_tags php删除太多

Question

包含html格式错误的字符串（请参见开头的''和<'blabla）以及PHP中的函数strip_tags（）有点麻烦。

我有此代码：

$str = "To: ''blablal@johndoe.com' <'blablal@johndoe.com>\nSubject: Hello World\nDear Ladies <b>and</b> Gentlemen,";
echo strip_tags($str);

具有以下优势：

To: ''blablal@johndoe.com' 

我想要/期望的结果是：

To: ''blablal@johndoe.com' 
Subject: Hello World
Dear Ladies and Gentlemen,

你有什么想法要得到这个吗？

Answer 1

如果stip_tags（）不能按预期工作，请尝试执行此操作。

$str = "To: ''blablal@johndoe.com' <'blablal@johndoe.com>\nSubject: Hello World\nDear Ladies <b>and</b> Gentlemen,";

$val = preg_replace('/<[^>]+?>/', ' ', $str);

您的$val包含没有html值的字符串

Answer 2

  

由于strip_tags（）实际上并未验证HTML，因此部分或损坏的标记可能导致删除的文本/数据超出预期。

请参见PHP manual：

您的情况是无效的HTML。 HTML validator说

Bad character ' after <. Probable cause: Unescaped <. Try escaping it as &lt;.

Answer 3

原因是，当剥离器找到在非空白字符后的<时，会假定剥离器位于标记内。然后，如果在标签内看到引号，则设置一个标志（in_q），然后寻找一个闭合对。如果找到闭合对，则取消设置in_q标志（in_q = 0;），但是如果找不到，则假定它仍在引号内，并消耗掉所有内容并将其从输出中删除

如果输入字符串中包含此类格式错误的标记，则最好改用正则表达式：

preg_replace('~<\S[^<>]*>~', '', $str); 

请参见live demo here