PHP Regex删除<pre> </pre>代码块内的HTML标记

编程问答 2022-07-28

问题描述

我有一个棘手的HTML代码字符串，其中包含几个前置标记，这些前置标记在其中包含代码（例如python），并且还由应删除的HTML标记修饰。

例如：

for k in l:
    i=k.split(':')
    print('capital: ',i[0],' lower: ',i[1],' number: ',i[2])

我想清除所有HTML标记（这些标记可能是基本标记，br，em，div，a等）。我不需要解析HTML，我知道regex cannot parse html。

Some text.
<pre>
a = 5 <br/>
b = 3
</pre>
More text
<pre>
a2 = "<a href='something'>text</a>"
b = 3
</pre>
final text

我想使用PHP（使用Some text. <pre> a = 5 b = 3 </pre> More text <pre> a2 = "text" b = 3 </pre> final text 之类的方法）。例如：

preg_replace

此示例代码显然不会，因为：（1）它仅适用于一个pre标签，并且（2）代码$html = "<html><head></head><body><div><pre class=\"some-css-class\"> <p><strong> some_code = 1 </p></strong> </pre></div></body>"; // Compacting things here,for brevity $newHTML = preg_replace("/(.*?)<pre[^<>]*>(.*?)<\/pre>(.*)/Us","$1".strip_tags("$2",'<p><a><strong>')."$3",$html); echo $newHTML; 显然不起作用，因为它不处理字符串放在正确的位置（它只会返回“ $ 2”，而不是获取文本并正确地对其进行操作）。

关于如何在PHP中完成此操作的任何建议？谢谢。

解决方法

您将需要使用preg_replace_callback并在回调主体中调用strip_tags：

preg_replace_callback('~(<pre[^>]*>)([\s\S]*?)(</pre>)~',function ($m) { return $m[1] . strip_tags($m[2],['p','b','strong']) . $m[3]; },$s);

Some text.
<pre>
a = 5
b = 3
</pre>
More text
<pre>
a2 = "text"
b = 3
</pre>
final text

请注意，在strip_tags上方会剥离除p，b和strong之外的所有标签。

RegEx详细信息：

  • (<pre[^>]*>)：匹配<pre...>并捕获到＃1组
  • ([\s\S]*?)：匹配0个或多个字符，包括换行符（惰性），将其捕获到$ 2组中。 [\s\S]匹配包括换行符在内的任何字符。
  • (</pre>)：匹配</pre>并捕获到第3组
htmlprepreg-replaceregex