正则表达式去除字符串中的外部 HTML 标记答案

【问题标题】：Regex to strip outer HTML tags in string正则表达式去除字符串中的外部 HTML 标记
【发布时间】：2026-01-31 12:20:07
【问题描述】：

我需要一个正则表达式来去除字符串中的外部/* HTML 标签，但保留内部标签。

$str = "<div>Start <br /> <span>test</span> end.</div>";

进入

$str = "Start <br /> <span>test</span> end.";

还有

$str = "<aside id="main" class="one">Start <br /> <span>test</span> end.</aside>";

进入

$str = "Start <br /> <span>test</span> end.";

preg_replace('/<[^>]*>/', '', $str);

删除所有标签，而不仅仅是外部标签。

【问题讨论】：

使用DOM 比使用老套的正则表达式更好
DOM 无法选择标签的内容而不剥离内容中存在的标签。但是，它可以选择带有 <div>bla <br> bla</div> 等内容的整个标签，现在我只需要剥离实际的外部标签（在本例中为 div）并保留带有标签的内容。
$html = $domElement->ownerDocument->saveHTML($domElement); 应该在 $html 中返回 Dom 节点的内容，而不剥离其中的标签
问题不在于 DOM 是否比正则表达式更好，而是如何使用正则表达式... 使用正则表达式而不是 DOM 是有正当理由的，正则表达式的一个主要优点是性能更快比 DOM（见这里blog.futtta.be/2014/05/01/…）
1000 次观看，只有一票否决。太棒了，这个地方曾经是积极的。发生了什么？没有答案，只是有些人自视甚高

标签： php html regex html-parsing

【解决方案1】：

请注意

使用正则表达式并不是修改 HTML 代码的最佳方式！在大多数情况下，使用 DOMDocument 或 DOMDocumentFragement 对象从 HTML 代码中修改或提取数据会更好、更可靠。

但是，在某些情况下，正则表达式更好，主要是在以下因素适用时：

您知道您编辑的 HTML 代码将是有效的。
修改后的 HTML 结构在所有情况下都是相同的。
您只对代码进行了非常简单的更改。
性能很重要（例如在循环内执行时）。 DOMDocument 比简单的正则表达式慢得多！

代码

要从一些 HTML 代码中去除最外层的标签，请使用这个正则表达式：

/* Note: 
 * The code must start with an opening tag and end with a closing tag. 
 * No white space or other text must be present before the first 
 * tag/after the last tag, else you get some unexpected results.
 */

$contents = preg_replace( '/^<[^>]+>|<\/[^>]+>$/', '', $markup );
            // ^<[^>]+>     This removes the first tag
            // <\/[^>]+>$   This removes the last closing tag

示例

此正则表达式适用于大多数 HTML 标记，例如

In: '<div class="my-text" id="text" style="color:red">some text</div>'
Out: 'some text' (expected result)

当第一个标签包含 ">" 字符时，它将破坏所有内容，例如

In: '<div title="Home > Archives">Archive overview</div>'
Out: ' Archives">Archive overview' (unexpected result)

开头或结尾的空格/文本也会破坏正则表达式

In: '<div>Your name</div>:'
Out: 'Your name</div>:' (unexpected result)

当然，任何标签都会被剥离，没有任何完整性检查，例如

In: '<h2>Settings</h2><label>Page Title</label>'
Out: 'Settings</h2><label>Page Title' (unexpected result)

【讨论】：

【解决方案2】：

如何获取一个DOM元素，并模拟innerHTML()

$html = '<html><body><div><ul><li>1</li><li>2</li><li>3</li></ul></div></body></html>';

function DOMinnerHTML(DOMNode $element) { 
    $innerHTML = "";
    foreach ($element->childNodes as $child) { 
        $innerHTML .= $element->ownerDocument->saveHTML($child);
    }

    return $innerHTML; 
} 

$doc = new DOMDocument();
$doc->loadHTML($html);

foreach ($doc->getElementsByTagName('ul') as $child) {
    $html = DOMinnerHTML($child); 
    echo $html, PHP_EOL;
}

无需借助正则表达式

【讨论】：

在不知道父标记名的情况下有什么方法可以做到这一点？

【解决方案3】：

这个基本的正则表达式可能会做。但是，它不考虑具有包含>s 的属性的标签，因此会跳闸。

Find: <[^>]*>([\s\S]*)<\/[^>]*>
Replace: $1

如果您期望属性可能包含标签括号，它会变得更加复杂。

Find: <(?:[^>]*?(?:(?:"[^"]*?"|'[^']*?')+[^>]*?)|[\s\S]*?)>([\s\S]*)<\/[^>]*>
Replace: $1

任何一个都应该做到这一点。

【讨论】：

第一个正则表达式出现错误Warning: preg_replace(): Unknown modifier ']'。
@RomanToasov 尝试转义正斜杠。 <[^>]*>([\s\S]*)<\/[^>]*>

【解决方案4】：

我做了一个函数来删除 HTML 标签及其内容：

功能：

<?php
function strip_tags_content($text, $tags = '', $invert = FALSE) {

  preg_match_all('/<(.+?)[\s]*\/?[\s]*>/si', trim($tags), $tags);
  $tags = array_unique($tags[1]);

  if(is_array($tags) AND count($tags) > 0) {
    if($invert == FALSE) {
      return preg_replace('@<(?!(?:'. implode('|', $tags) .')\b)(\w+)\b.*?>.*?</\1>@si', '', $text);
    }
    else {
      return preg_replace('@<('. implode('|', $tags) .')\b.*?>.*?</\1>@si', '', $text);
    }
  }
  elseif($invert == FALSE) {
    return preg_replace('@<(\w+)\b.*?>.*?</\1>@si', '', $text);
  }
  return $text;
}
?>

示例文本： $text = '示例带有标签的文本';

strip_tags($text) 的结果：带有标签的示例文本

strip_tags_content($text) 的结果：文字与

strip_tags_content($text, '') 的结果：示例文本与

strip_tags_content($text, '', TRUE); 的结果带标签的文本

希望有人有用:)

【讨论】：