使用 PHP 从 html 标签中删除属性，同时保留特定属性

Question

我 found a way 使用 php 从 html 字符串中删除所有标记属性：

$html_string = "<div class='myClass'><b>This</b> is an <span style='margin:20px'>example</span><img src='ima.jpg' /></div>";
$output = preg_replace("/<([a-z][a-z0-9]*)[^>]*?(\/?)>/i",'<$1$2>', $html_string);
echo $output;
//<div><b>This</b> is an <span>example</span><img/></div>

但我想保留某些标签，例如 src 和 href。我几乎没有常规表达的经验，因此非常感谢任何帮助。

[也许] 相关更新：这是在数据库上“清理”帖子过程的一部分。我正在遍历所有帖子，获取 html，清理它，并在相应的表上更新它。

Answer 1

您通常不应该使用正则表达式解析 HTML。相反，在 PHP 中，您应该调用 DOMDocument::loadHTML。然后，您可以遍历文档中的元素并调用removeAttribute。 HTML 标记的正则表达式是出了名的棘手。

参考号：http://php.net/manual/en/domdocument.loadhtml.php

示例：http://coursesweb.net/php-mysql/html-attributes-php

这里有一个解决方案。它将遍历 DOM 中的所有标签，并删除不是 src 或 href 的属性。

$html_string = "<div class=\"myClass\"><b>This</b> is an <span style=\"margin:20px\">example</span><img src=\"ima.jpg\" /></div>";

$dom = new DOMDocument;                 // init new DOMDocument
$dom->loadHTML($html_string);           // load the HTML
$xpath = new DOMXPath($dom);
$nodes = $xpath->query('//@*');
foreach ($nodes as $node) {             
    if($node->nodeName != "src" && $node->nodeName != "href") {
        $node->parentNode->removeAttribute($node->nodeName);
    }
}

echo $dom->saveHTML();                  // output cleaned HTML

这是另一个使用 xPath 过滤属性名称的解决方案：

$dom = new DOMDocument;                 // init new DOMDocument
$dom->loadHTML($html_string);           // load the HTML
$xpath = new DOMXPath($dom);
$nodes = $xpath->query("//@*[local-name() != 'src' and local-name() != 'href']");
foreach ($nodes as $node) {             
    $node->parentNode->removeAttribute($node->nodeName);
}

echo $dom->saveHTML();                  // output cleaned HTML

提示：如果您使用这样的扩展字符，请将 DOM 解析器设置为 UTF-8：

$dom->loadHTML(mb_convert_encoding($html_string, 'HTML-ENTITIES', 'UTF-8'));