对php使用正则去除网页中所有的 html,js,css,注释感兴趣的小伙伴,下面一起跟随编程之家 jb51.cc的小编两巴掌来看看吧!
/**
* php使用正则去除网页中所有的 html,注释
*
* @param
* @arrange 512-笔记网: jb51.cc
**/
$search = array ('<script[^>]*?>.*?</script>'si,// 去掉 javascript
'<style[^>]*?>.*?</style>'si,// 去掉 css
'<[/!]*?[^<>]*?>'si,// 去掉 HTML 标记
'<!--[/!]*?[^<>]*?>'si,// 去掉 注释 标记
'([rn])[s]+',// 去掉空白字符
'&(quot|#34);'i,// 替换 HTML 实体
'&(amp|#38);'i,'&(lt|#60);'i,'&(gt|#62);'i,'&(nbsp|#160);'i,'&(iexcl|#161);'i,'&(cent|#162);'i,'&(pound|#163);'i,'&(copy|#169);'i,'&#(d+);'e); // 作为 PHP 代码运行
$replace = array (,,\1,\,&,<,>, ,chr(161),chr(162),chr(163),chr(169),chr(\1));
//$document为需要处理字符串,如果来源为文件可以$document = file_get_contents($filename);
$out = preg_replace($search,$replace,$document);
/*** 来自编程之家 jb51.cc(jb51.cc) ***/
也可以使用php的内置函数strip_tags()清除html,注释等标记