如何从 HTML 标签中删除数据 [重复]答案

【问题标题】：How do I strip data from HTML tags [duplicate]如何从 HTML 标签中删除数据 [重复]
【发布时间】：2010-11-10 03:39:08
【问题描述】：

假设我有这样的数据：

<option value="abc" >Test - 123</option>
<option value="def" >Test - 456</option>
<option value="ghi" >Test - 789</option>

使用 PHP，我将如何对 HTML 标记进行排序，从选项值中返回所有文本。例如，给定上面的代码，我想返回 'Test - 123'、'Test - 456'、'Test - 789'。

感谢您的帮助！

更新： 这样我就更清楚了-我正在使用 filegetcontents() 从站点获取 html。出于我的目的，我希望能够对 html 进行排序，找到选项值并输出它们。在这种情况下，返回 'Test - 123'、'Test - 456' 等。

【问题讨论】：

标签： php html regex

【解决方案1】：

除非我误解了问题，否则使用strip_tags。

    $string = '<option value="abc" >Test - 123</option>
    <option value="def" >Test - 456</option>
    <option value="ghi" >Test - 789</option>';

    $string = strip_tags($string);

更新：错过了您在问题中松散地指定了一个数组。在这种情况下，我确信有一种更清洁的方法，我会这样做：

$teststring = '<option value="abc" >Test - 123</option>
<option value="def" >Test - 456</option>
<option value="ghi" >Test - 789</option>';

$stringarray = split("\n", strip_tags($teststring));
print_r($stringarray);

更新 2： 只是为了顶部和尾部，按照您最初的要求呈现它（不是我们可能被误导相信的数组，请尝试以下操作：

$teststring = '<option value="abc" >Test - 123</option>
<option value="def" >Test - 456</option>
<option value="ghi" >Test - 789</option>';

$stringarray = split("\n", strip_tags($teststring));

$newstring = join($stringarray, "','");
echo "'" . $newstring . "'\n";

【讨论】：

【解决方案2】：

如果我们在做正则表达式，我喜欢这种类似 perl 的语法：

$test = "<option value=\"abc\" >Test - 123</option>\n" .
    "<option value=\"abc\" >Test - 456</option>\n" .
    "<option value=\"abc\" >Test - 789</option>\n"; 

for ($offset=0; preg_match("/<option[^>]*>([^<]+)/",$test, $matches, 
                        PREG_OFFSET_CAPTURE, $offset); $offset=$matches[1][1])
   print($matches[1][0] . "\n");'

【讨论】：

选项元素的值属性定义为 CDATA。如果我没记错的话，在 html 4.01 中允许
是的，确实如此 :-) 使用正则表达式很容易编写一些简单的东西来处理常见的用例（以及东方阅读），但是很难编写一些解析结构化语言的东西，例如XML 正确。如果您需要严格的“处理您扔给它的任何东西”解析器，请使用能够理解语言的东西，例如 DOM 或 SAX。缺点是对于简单的情况 DOM 和 SAX 更难编写和更难阅读。

【解决方案3】：

http://networking.ringofsaturn.com/Web/removetags.php

preg_match_all("s/<[a-zA-Z\/][^>]*>//g", $data, $out);

【讨论】：

这可能是 sed 的有效模式，但不是 php 的 preg_match_all。

【解决方案4】：

如果您不只是像上面提到的那样出现断裂，请使用像 DOMDocument 这样的真正解析器，您可以使用 DOMXPath 来遍历它。

否则试试这个正则表达式和preg_match_all:

<option(?:[^>"']+|"[^"]*"|'[^']*')*>([^<]+)</option>

【讨论】：

【解决方案5】：

有很多方法，哪种方法最好取决于您在问题中提供的详细信息。
一种可能：DOMDocument and DOMXPath

<?php
$doc = new DOMDocument;
$doc->loadhtml('<html><head><title>???</title></head><body>
  <form method="post" action="?" id="form1">
      <div>
        <select name="foo">
        <option value="abc" >Test - 123</option>
        <option value="def" >Test - 456</option>
        <option value="ghi" >Test - 789</option>
      </select>
    </div>
  </form>
</body></html>');

$xpath = new DOMXPath($doc);
foreach( $xpath->query('//form[@id="form1"]//option') as $o) {
    echo 'option text: ', $o->nodeValue, "  \n";
}

打印

option text: Test - 123  
option text: Test - 456  
option text: Test - 789

【讨论】：

【解决方案6】：

此代码会将值加载到数组中，假设您在选项标签之间有换行符，就像您展示的那样：

// Load your HTML into a string.
$html = <<<EOF
<option value="abc" >Test - 123</option>
<option value="def" >Test - 456</option>
<option value="ghi" >Test - 789</option>
EOF;

// Break the values into an array.
$vals = explode("\n", strip_tags($html));

【讨论】：