如何使用正則表達式去除標籤及其內容？

Question

$ str ='一些文字標籤內容更多文字';

我的問題是： 如何檢索內容tag <em>contents </em>這是介於<MY_TAG> .. </MY_TAG>之間？

而且

如何從$str<MY_TAG>及其內容？

我正在使用PHP。

謝謝。

Answer 1

如果MY_TAG不能嵌套，試試這個讓比賽：

preg_match_all('/<MY_TAG>(.*?)<\/MY_TAG>/s', $str, $matches) 

，並將它們刪除，請使用preg_replace代替。

Answer 2

雖然要做到這一點唯一完全正確的方法是不使用正則表達式，你可以得到你想要的東西，如果你接受它不能處理所有的特殊情況：

preg_match("/<em[^>]*?>.*?</em>/i", $str, $match); 
// Use this only if you aren't worried about nested tags. 
// It will handle tags with attributes 

而且

preg_replace(""/<MY_TAG[^>]*?>.*?</MY_TAG>/i", "", $str); 

Answer 3

你不想爲此使用正則表達式。一個更好的解決辦法是將內容加載到DOMDocument並使用DOM樹和標準DOM方法上它的工作：

$document = new DOMDocument(); 
$document->loadXML('<root/>'); 
$document->documentElement->appendChild(
    $document->createFragment($myTextWithTags)); 

$MY_TAGs = $document->getElementsByTagName('MY_TAG'); 
foreach($MY_TAGs as $MY_TAG) 
{ 
    $xmlContent = $document->saveXML($MY_TAG); 
    /* work on $xmlContent here */ 

    /* as a further example: */ 
    $ems = $MY_TAG->getElementsByTagName('em'); 
    foreach($ems as $em) 
    { 
     $emphazisedText = $em->nodeValue; 
     /* do your operations here */ 
    } 
} 

Answer 4

對於去除最後我只是用這樣的：

$str = preg_replace('~<MY_TAG(.*?)</MY_TAG>~Usi', "", $str); 

使用〜而不是/由於末尾標記中的反斜槓解決了分隔符解決的錯誤，即使轉義，這似乎也是一個問題。從開始標籤中消除>允許屬性或其他字符，並仍然獲取標籤及其所有內容。

這隻適用於嵌套不重要的情況。

Usi修飾符表示U = Ungreedy，s =包含換行符，i =不區分大小寫。