我需要从任意 html 字符串中快速删除一组类

Question

HTML 首先通过净化器（tinyMCE+Wordpress）运行，因此它应该匹配一些标准格式。所有脚本和样式标签都被剥离，标签内的所有数据都是html_encoded，所以不用担心多余的符号。

我知道用正则表达式解析 html 的一般立场是“不要”，但在这个具体的例子中，问题似乎不像是解析，而更像是简单的字符串处理......我是否错过了一些看不见的水平复杂性？

据我所知，似乎有问题的模式可以分解为逻辑组件：

1. /<[a-zA-Z][^>]+ - 匹配任何 html 标记的开头以及其中的任何标记和属性组合，但不匹配结束括号
2. (?i:class)=\" - 类属性的开头，不区分大小写
3. (?: - 启动非捕获子模式
4. (?: *[a-zA-Z_][\w-]* +)* - 任意数量的类名（或无），但如果存在，则捕获前必须有空格
5. ( *.implode('|', $classes).*) - 要捕获的类集，preg_quoted
6. (?: +[a-zA-Z_][\w-]* *)* - 任意数量的类名（或无），但如果存在，则捕获后必须有空格
7. )+ - 关闭非捕获子模式并循环它，以防多个匹配类在一个属性中
8. \"(?: [^>]*)>/ - class 属性的结尾，以及 html 标记结尾的所有内容

制作最终的正则表达式：

$pattern = "/<[a-zA-Z][^>]+ (?i:class)=\"(?:(?: *[a-zA-Z_][\w-]* +)*( *".implode('|', $classes)." *)(?: +[a-zA-Z_][\w-]* *)*)+\"(?: [^>]*)>/";

我还没有尝试运行它，因为我知道它是否有效，我会很想使用它，但是通过 preg_replace 运行它似乎应该可以完成这项工作，除了一个小问题.我相信它会在捕获区域周围留下多余的空白。这不是什么大问题，但如果有人知道怎么做，最好避免。

还应注意，这不是关键任务过程，如果我的捕获偶尔无法删除类，则没有人死亡。

所以，本质上...有人能解释一下在这种情况下是什么让这成为一个坏主意吗？

Answer 1

好的，这是您要从给定 html 中删除的类名列表吗？

我的意思是，您要删除的给定类名列表是什么。你能举一个典型的html的例子，它是什么，你想把它改成什么。 示例：

之前

<div class="someClass">
  <i class="dontchange doChange"></i>
  <a class="hello john"></a>
</div>

改成

<div>
  <i class="dontchange"></i>
  <a></a>
</div>

Answer 2

这将替换所有 html 中的所有类。

myHtml.replace(/class\=\"[^\"]*\"/g,'');

这就是你要找的吗？或者更具体的？