从 html 源代码中删除注释答案

【问题标题】：remove comments from html source code从 html 源代码中删除注释
【发布时间】：2011-06-10 11:23:09
【问题描述】：

我知道如何通过 cUrl 获取 html 源代码，但我想删除 html 文档上的 cmets（我的意思是  之间的内容）。另外，如果我可以只取html文档的BODY。谢谢。

【问题讨论】：

你应该手动重新解析它们......我有我自己的 JavaScript 库，但我不知道你怎么能在 PHP 中实现它
这里没有 cUrl 选项吗？

标签： php curl

【解决方案1】：

$html = '<html><body><!--a comment--><div>some content</div></body></html>'; // put your cURL result here

$dom = new DOMDocument;
$dom->loadHtml($html);

$xpath = new DOMXPath($dom);
foreach ($xpath->query('//comment()') as $comment) {
    $comment->parentNode->removeChild($comment);
}

$body = $xpath->query('//body')->item(0);
$newHtml = $body instanceof DOMNode ? $dom->saveXml($body) : 'something failed';

var_dump($newHtml);

输出：

string(36) "<body><div>some content</div></body>"

【讨论】：

看它运行良好，我从未听说过 DOM。谢谢。
要使多行原始 HTML 工作并且不显示 &#13; 作为换行符，请将 saveXML() 更改为 saveHTML()。要使结果包含<html> 元素，请将loadHTML($html) 更改为loadHTML($html, LIBXML_HTML_NODEFDTD) 并将$newHtml 行更改为$newHtml = $body instanceof DOMNode ? $dom->saveHTML() : 'something failed';。

【解决方案2】：

如果在 cUrl 中没有此选项（我怀疑没有，但我之前错了），那么您至少可以使用 PHP @987654322 将生成的 HTML 解析为您心中的内容@parser.

从长远来看，这可能是您在可配置性和支持方面的最佳选择。

【讨论】：

正确，curl 中没有这样的选项。它只是在服务器发送数据时获取数据。

【解决方案3】：

Regex 为我解决了这个问题，如下所示：

function remove_html_comments($html = '') {
    return preg_replace('/<!--(.|\s)*?-->/', '', $html);
}

【讨论】：

【解决方案4】：

我会将它通过管道传递给 sed 用于正则表达式，例如

curl http://yoururl.com/test.html | sed -i "s/<!\-\-\s?\w+\s?\-\->//g" | sed "s/.?(<body>.?</body>).?/\1/"

正则表达式可能不准确，但你明白了......

【讨论】：

【解决方案5】：

我遇到了在 foreach 循环中修改 DOMNodeList 的问题，该循环消失了我 iterated backwards through the list。出于这个原因，我不会推荐一个foreach 循环作为接受的答案。而是使用这样的for 循环：

$dom = new DOMDocument();
$dom->loadHTML($html);
$xpath = new DOMXPath($dom);
for ($els = $xpath->query('//comment()'), $i = $els->length - 1; $i >= 0; $i--) {
    $els->item($i)->parentNode->removeChild($els->item($i));
}

【讨论】：

【解决方案6】：

在我的情况下这项工作：

preg_replace('/<!--[\s\S]*?-->/', '', $html);

【讨论】：