php - 正则表达式去除字符串中的外部 HTML 标签

Question

我需要一个正则表达式来去除字符串中的外部/顶级 HTML 标记，但保留内部标记。

$str = "<div>Start <br /> <span>test</span> end.</div>";

进入

$str = "Start <br /> <span>test</span> end.";

还有

$str = "<aside id="main" class="one">Start <br /> <span>test</span> end.</aside>";

进入

$str = "Start <br /> <span>test</span> end.";

.

preg_replace('/<[^>]*>/', '', $str);

删除所有标签，而不仅仅是外部标签。

Answer 1

请注意

使用正则表达式并不是修改 HTML 代码的最佳方式!在大多数情况下，使用 DOMDocument 或 DOMDocumentFragement 对象从 HTML 代码修改或提取数据会更好也更可靠。

但是，在某些情况下，正则表达式更好，主要是在这些因素适用的情况下:

• 您知道您编辑的 HTML 代码将有效。
• 修改后的 HTML 结构在所有情况下都是相同的。
• 您只需对代码进行非常简单的更改。
• 性能很重要(例如，当它在循环内执行时)。 DOMDocument 比简单的正则表达式慢得多!

代码

要从某些 HTML 代码中去除最外层的标签，请使用此正则表达式:

/* Note: 
 * The code must start with an opening tag and end with a closing tag. 
 * No white space or other text must be present before the first 
 * tag/after the last tag, else you get some unexpected results.
 */

$contents = preg_replace( '/^<[^>]+>|<\/[^>]+>$/', '', $markup );
            // ^<[^>]+>     This removes the first tag
            // <\/[^>]+>$   This removes the last closing tag

示例

此正则表达式适用于大多数 HTML 标记，例如

In: '<div class="my-text" id="text" style="color:red">some text</div>'
Out: 'some text' (expected result)

当第一个标签包含“>”字符时，它将破坏所有内容，例如

In: '<div title="Home > Archives">Archive overview</div>'
Out: ' Archives">Archive overview' (unexpected result)

开头或结尾的空格/文本也会破坏正则表达式

In: '<div>Your name</div>:'
Out: 'Your name</div>:' (unexpected result)

当然，任何标签都将被剥离，没有任何健全性检查，例如

In: '<h2>Settings</h2><label>Page Title</label>'
Out: 'Settings</h2><label>Page Title' (unexpected result)