从 XML 字符串中删除处理指令（<?xml 标记和内容）

Question

我在一个字符串中有这个标签：

<?xml:namespace prefix = o /?>

如何使用 PHP 和正则表达式从字符串中删除该标签和类似标签？

我试过了：

$clean = preg_replace('/<\?xml[^>]+\/>/im', '', $dirty);

Answer 1

您在该字符串中的内容是 Processing Instruction (PI, see XML 1.0)。

如果您希望使用 PCRE UTF-8 修饰符从您希望是 UTF-8 编码的字符串中删除这些 PI，您可以使用以下模式：

~
    <\?
    (?: [A-Za-z_:] | [^\x00-\x7F] ) (?: [A-Za-z_:.-] | [^\x00-\x7F] )*
    (?: \?> | \s (?: [^?]* \?+ ) (?: [^>?] [^?]* \?+ )* >)
~x

它是从 a REX expression for XML Processing Instructions 到 PHP 中使用的 PCRE 表达式的转换。

代码示例：

$str = "some string <?xml:namespace prefix = o /?> that is";

$pattern = '~
    <\?
    (?: [A-Za-z_:] | [^\x00-\x7F] ) (?: [A-Za-z_:.-] | [^\x00-\x7F] )*
    (?: \?> | \s (?: [^?]* \?+ ) (?: [^>?] [^?]* \?+ )* >)
~x';

echo preg_replace($pattern, '', $str);

输出：

some string  that is

与之前给出的答案不同的是，这个正则表达式确实......

• ... 正确考虑结束顺序 ("?>")。特别是在处理指令中可以允许使用“>”。
• ...不需要限制处理指令的名称只能以“xml”开头。
• ...它实际上是在寻找一个名称作为开头序列的一部分。
• ...处理空和非空处理指令。

一些值得一提的关于限制的注意事项：

1. 该模式用于浅层解析。也就是说，如果您还没有从字符串中去除其他标签结构，这些标签结构可能包含再次看起来像这样的处理指令（例如 CDATA 块或注释）的文本，那么该模式将错误地匹配。
2. 该模式匹配同样以“<?xml”开头的XML 声明。这可以通过在开头的“<?”之后不查找 XML 保留名称以及“(?! [xX][mM][lL] (?: \?> | \s ) )”等负前瞻来更改。

由于这些限制，也许值得考虑

正则表达式的替代方法

首先，使用 PHP 的strip_tags 来剥离处理指令会容易得多。它也会删除其他标签和 cmets。这可能并不总是想要的，它真的很简单：

strip_tags($str)

正则表达式和strip_tags 都使用PHP 附带的一种XML 解析器来剥离处理指令，因此更加明确。例如 PHP 的 DOM 扩展。它可以包装在一个函数中，以便轻松应用于字符串：

dom_strip_pis($str)

这样的示例函数也适用于您拥有的 XML 字符串，该字符串使用保留名称“xml”作为前缀，这在 XML 中实际上并不正确。但是解析器不会卡住它：

/**
 * remove processing instructions from an XML string
 *
 * @author hakre <http://hakre.wordpress.com>
 *
 * @param string $xml
 * @return string
 */
function dom_strip_pis($str) {
    $doc = new DOMDocument;
    $fragment =  $doc->createDocumentFragment();
    $saved = libxml_use_internal_errors(true);
    $fragment->    appendXML($str);
    libxml_use_internal_errors($saved);
    foreach($fragment->childNodes as $node) {
        if ($node instanceof DOMProcessingInstruction) {
            $node->parentNode->removeChild($node);
        }
    }
    return $doc->saveXML($fragment);
}

使用上一个示例中给出的 XML 解析器不会让您处理浅层解析。

Answer 2

你非常接近 - 注意“？”在右尖括号之前的最后：

<?xml:namespace prefix = o /?>

为了匹配它，你还需要这个：

<?php
$clean=preg_replace('/<\?xml[^>]+\/\?>/im', '', $dirty);
?>