正則表達式：保留HTML標記，只刪除html特殊字符

Question

我試圖找到一個正則表達式來刪除所有html特殊字符（主要是&,<，>），但保持html標記完好無損。

我從數據庫中得到這些信息，所以我不能確定像<和>這樣的字符被替換爲& gt;和& lt;

我可以設法取代&與PHP中的正則表達式如下它<：

$Value = preg_replace('/<(?!#?\/?[a-zA-Z0-9]+>)/','',$Value); 
$Value = preg_replace('/&(?!#?[a-zA-Z0-9]+;)/','&amp;',$Value); 

我現在唯一的麻煩修復>標籤，因爲我不得不使用查找隱藏，這不允許非固定長度的RegEx。

$Value = preg_replace('/(?<!<[a-zA-Z0-9]+)>/','',$Value); 

任何想法？

問候 - 托馬斯

Answer 1

使用DOM Parser並應用替代只對文本節點。

$partialId = uniqid(); 
$dom = new DOMDocument; 
$dom->loadHTML(sprintf('<div id="%s">%s</div>', $partialId, $html)); 
echo $dom->saveHtml($dom->getElementById($partialId)); 

只需解析部分就已經把XML特殊字符各自的實體：

<div id="4f02efa1a4e9b">this is my fancy <i>text</i> I love my text lalalal &gt; wow I'm great"</div> 

如果你不是在PHP 5.3.6你不能用saveHTML與節點。有關解決方法，請參閱How to get innerHTML of DOMNode?和How to return outer html of DOMDocument?。

如果您需要在文本節點上工作，你可以做

$xpath = new DOMXPath($dom); 
foreach ($xpath->query('//text()') as $textNode) { 
    $textNode->nodeValue = doSomething($textNode->nodeValue); 
} 

也看到DOMDocument in php的介紹，DOM是如何工作的。

Answer 2

我認爲http://htmlpurifier.org/可以做你所需要的。

看看這裏的演示：http://htmlpurifier.org/demo.php來測試它的選項。