php：从html中获取纯文本 - simplehtmldom或php strip_tags？

Question

我正在寻找从html获取纯文本。我应该选择哪一个，php strip_tags或simplehtmldom明文提取？

simplehtmldom的一个专家是支持无效的html，这本身就足够了吗？

Answer 1

strip_tags就足够了。

Answer 2

你应该使用smiplehtmldom，因为你提到的原因，strip_tags也可能会留下脚本/样式块中包含的非文本元素，如javascript或css

您还可以从未显示的元素中过滤文本（内联样式=显示：无）

那就是说，如果html足够简单，那么strip_tags可能会更快并且将完成相同的任务

Answer 3

从HTML中提取文本很棘手，因此最好的选择是使用像Html2Text这样的库。它是专门为此目的而建的。

https://github.com/mtibben/html2text

使用composer安装：

composer require html2text/html2text

基本用法：

$html = new \Html2Text\Html2Text('Hello, &quot;<b>world</b>&quot;');

echo $html->getText();  // Hello, "WORLD"

Answer 4

如果您只想要一个页面的纯文本呈现，那么strip_tags会更快更简单。但是，如果你想在这个过程中对文本进行任何操作，那么从长远来看，simplehtmldom将为你提供更好的服务。

Answer 5

您可能还想删除斜杠stripslashes（）