使用PHP获取HTML输出（清理文本）

Question

你知道是否有任何函数（PHP）清理一些HTML代码（用cURL获得）并过滤可见文本（浏览器将显示的那个）。 感谢

Answer 1

这比你想象的要难。一个明显的简单解决方案是在其上运行strip_tags（），但这只会删除标签并保留所有文本内容，包括嵌入式javascript和CSS，以及通常隐藏的元素内的所有文本（例如通过设置{{1 }} 在他们）。您可以尝试使用一些正则表达式魔法来过滤掉您不感兴趣的部分，但HTML上的正则表达式对于任何非常重要的事情通常都是一个坏主意。我担心，最终的解决方案是使用正确的HTML解析器，然后从生成的DOM树中提取实际文本 - 当你拥有它时，你将非常接近实现Web浏览器。

Answer 2

看看strip_tags（）：

http://us.php.net/manual/en/function.strip-tags.php

Answer 3

如果您只是“清理”代码，那么solution like TIDY could be your answer。

Some solutions like this将允许您提取纯文本并可能减轻您的痛苦。

然而，“完全开启”解析是另外一个故事，你最好还是在你的正则表达式上。