递归循环遍历 DOM 树并删除不需要的标签？答案

【问题标题】：Recursively loop through the DOM tree and remove unwanted tags?递归循环遍历 DOM 树并删除不需要的标签？
【发布时间】：2011-06-01 13:22:10
【问题描述】：

$tags = array(
    "applet" => 1,  
    "script" => 1
);

$html = file_get_contents("test.html");
$dom = new DOMdocument();
@$dom->loadHTML($html);
$xpath = new DOMXPath($dom);
$body = $xpath->query("//body")->item(0);

我正在循环浏览网页的“正文”并删除 $tags 数组中列出的所有不需要的标签，但我找不到方法。那我该怎么做呢？

【问题讨论】：

标签： php html dom

【解决方案1】：

你考虑过HTML Purifier吗？从你自己的 html 清理开始只是重新发明轮子，而且不容易完成。

此外，黑名单方法也很糟糕，请参阅SO/why-use-a-whitelist-for-html-sanitizing

您可能也有兴趣阅读how to cinfigure allowed tags & attributes 或testing HTML Purifier demo

【讨论】：

非常感谢您的提示。我将改用白名单。哦，祝大家新年快乐:)

【解决方案2】：

$tags = array(
    "applet" => 1,  
    "script" => 1
);

$html = file_get_contents("test.html");
$dom = new DOMdocument();
@$dom->loadHTML($html);
$xpath = new DOMXPath($dom);

for($i=0; $i<count($tags); ++$i) {
   $list = $xpath->query("//".$tags[$i]);
   for($j=0; $j<$list->length; ++$j) {
      $node = $list->item($j);
      if ($node == null) continue;
      $node->parentNode->removeChild($node);
   }
}

$string = $dom->saveXML();

类似的东西。

【讨论】：

如果没有执行删除，您应该只增加$j。否则你会跳过元素。