php preg_replace不識別圖案

我想製作一個所謂的文本清理器，以便我可以擺脫一些html元素而不使用strip_tags()函數。php preg_replace不識別圖案

我正則表達式是這樣的：<em>|</em>|<p[^>]*>|</p[^>]*>|<span[^>]*>|</span[^>]*>|<div[^>]*>|</div[^>]*>| |<table[^>]*>(.*?)</table[^>]*>

我的代碼如下所示：

$string = "some very messy string here "; 
$pattern = '<em>|</em>|<p[^>]*>|</p[^>]*>|<span[^>]*>|</span[^>]*>|<div[^>]*>|</div[^>]*>|&nbsp;|<table[^>]*>(.*?)</table[^>]*>'; 
$replace = ' '; 

$clean = preg_replace($pattern, $replace, $string); 

echo $clean;

對於那些我無法理解的原因回聲返回任何內容。

謝謝您的時間

更新＃1

如果你問我是否想擺脫的表裏面他們的所有內容，答案是肯定的。

來源

2012-10-13 Mike

這段代碼的目標是什麼 - 爲什麼你想避免使用strip_tags？ – AD7six

Strip標籤不會刪除我想要做的表格的內容。 – Mike

你最好不要使用正則表達式來僞解析html。條形標籤會剝離標籤，並且如果您想要刪除表格 - 將例程寫入遠程表格。你會得到奇怪的結果，例如：「

...

...」。 – AD7six

您的正則表達式需要分隔符。例如：

$pattern = '~<em>|</em>|<p[^>]*>|</p[^>]*>|<span[^>]*>|</span[^>]*>|<div[^>]*>|</div[^>]*>|&nbsp;|<table[^>]*>(.*?)</table[^>]*>~';

閱讀分隔符here。

另請注意，一些HTML規範（除了XHTML外，據我所知）也允許使用大寫標籤。因此，考慮添加修飾符以便對正則表達式不區分大小寫。此外，如果開始標籤和結束標籤之間存在換行符，則刪除表格可能不起作用（因爲.默認情況下不匹配換行符）。添加DOTALL修飾符s來解決這個問題：

$pattern = '~<em>|</em>|<p[^>]*>|</p[^>]*>|<span[^>]*>|</span[^>]*>|<div[^>]*>|</div[^>]*>|&nbsp;|<table[^>]*>(.*?)</table[^>]*>~is';

最後一點：爲別人指出的正則表達式的解決方案，以HTML的問題應該與鹽糧服用。嵌套表格會引起問題，正如評論。如果你知道你處理得很好的數據，這個問題可能比一般的HTML複雜得多。但要確保你的代碼至少是有效的，並且你知道所有古怪的東西，如評論中的嵌套結構和HTML字符等等。

來源

2012-10-13 14:52:45

這樣做，但我認爲正則表達式的定義中有些東西被打破，因爲它不會刪除表格。 – Mike

'.'默認不匹配換行符。在'i'：'s'之後添加另一個修飾符。它被稱爲DOTALL修飾符，現在點也將匹配linebreaks ...我將它添加到答案 –

首先看看this answer。這應該從一開始就把事情做好。如果你讀過的答案後，仍然要繼續，我給你以下幾點：

I want to <em<p>>emphasize</<p>em> that it's not possible!

試圖清理的！

來源

2012-10-13 14:59:08 aefxx

從技術上講，他並不試圖解析它。此外，這是甚至有效的HTML？如果是這樣，這將是什麼語義。最後你可以解決它，通過聲明在關閉'>'之前也沒有''''開始，然後多次運行替換。 –

不能同意更多！但是這裏的數據看起來相當統一，我必須在這個正則表達式之間進行選擇，或者手動清理大約5000個文章，這不會很聰明或者有效。 – Mike

@ m.buettner你甚至讀過我發佈的鏈接嗎？我不在乎它是否是有效的HTML，它不是客戶（不是黑客）提供有效HTML的責任。繼續，拿出一個能夠捕捉我的句子的正則表達式，我會用更復雜的句子回覆你，hrhrhr。 – aefxx

php preg_replace不識別圖案

回答

相關問題