剥离标签并用单个空格替换所有 br 和 p 标签

Question

去除所有 html 标签的正则表达式是什么？<br> 和 <p> 标签替换为单个空格并删除所有换行符？

例如：

<h1>Heading</h1>
<br>
<br />
<a href="#">hyperlink</a>
<p></p>
<p>paragraph1</p>
<p>paragraph2</p>

应该变成：

Heading hyperlink paragraph1 paragraph2

我尝试了以下方法：

$string = preg_replace( ["/<br\s*\/?>/i","/<\/p\s*>/i"]," ",$string);
$string = preg_replace(["/<\/?[^>]+>/", "/\r?\n|\r/"],"",$string);

这给了我：

Heading              hyperlink         paragraph1 paragraph2 

任何关于单行或更优雅的解决方案的想法实际上有效？

Answer 1

这就是我会做的：

$a = '<h1>Heading</h1>
<br>
<br />
<a href="#">hyperlink</a>
<p></p>
<p>paragraph1</p>
<p>paragraph2</p>';


echo trim(preg_replace(['/<[^>]*>/','/\s+/'],' ', $a));

输出

 Heading hyperlink paragraph1 paragraph2 

Sandbox

第一个正则表达式删除标签用空格替换它们，第二个正则表达式需要多个空格并将其更改为一个。

这工作得很好，但我可以看到它可能会偏离具体要求的方式。

什么是去除所有 html 标签的正则表达式以及
和

标签的位置替换为单个空格并删除所有换行符

所以如果你想要“完整”的解决方案，你可以这样做：

$a = '<h1>Heading</h1>
<br>
<br />
<a href="#">hyperlink</a>
<p></p>
<p><big>p</big>aragraph1</p><p>paragraph2</p>';

echo preg_replace([
    '/<(?:br|p)[^>]*>/i', //replace br p with ' '
    '/<[^>]*>/',  //replace any tag with ''
    '/\s+/', //remove run on space
    '/^\s+|\s+$/' //trim
],[
    ' ', '', ' ', ''
], $a);

请注意，我在其中添加了一个<big> 标签并删除了<p> 标签之间的任何空格。这样做是为了强调一些事情。

例如，如果您从第二个示例中获取文本并在第一个示例中使用它，您将得到这个（因为大标签）：

Heading hyperlink p aragraph1 paragraph2 

更新后的示例输出正确。但是，这是一个很大的但是，我改变了输入文本，所以可能没有必要过度复杂。

<p> 标记只是表明它在删除所有带有 '' 的 HTML 标记之前在它们之间放置了空格。

Sandbox

更新

@ArtisticPhoenix 我将如何容纳<p> </p>

首先，我将使用html_entity_decode 转换字符串，但是有一些难点。这些与编码有关。所以这是正确的做法：

$a = '<h1>Heading</h1>
<br>
<br />
<a href="#">hyperlink</a>
<p>&nbsp;</p>
<p><big>p</big>aragraph1</p><p>paragraph2</p>';

 //convert entities using UTF-8
$a = html_entity_decode($a, ENT_QUOTES, 'UTF-8');

echo preg_replace([
    '/<(?:br|p)[^>]*>/i', //replace br p with ' '
    '/<[^>]*>/',  //replace any tag with ''
    '/\s+/u', //remove run on space - replace using the unicode flag
    '/^\s+|\s+$/u' //trim - replace using the unicode flag
],[
    ' ', '', ' ', ''
], $a);

请注意在/\s+/u 和/^\s+|\s+$/u 上方的正则表达式中添加了u 标志。

u (PCRE_UTF8) 此修饰符打开与 Perl 不兼容的 PCRE 的附加功能。模式和主题字符串被视为 UTF-8。无效的主题将导致 preg_* 函数不匹配；无效的模式将触发 E_WARNING 级别的错误。自 PHP 5.3.4 (resp. PCRE 7.3 2007-08-28) 起，五个和六个八位字节的 UTF-8 序列被视为无效；以前那些被认为是有效的 UTF-8。

问题在于将其解码为 ASCII 160 (nbsp) 而不是 ASCII 32 字符（单个空格）。无论如何我们可以使用 UTF-8 进行排序，如上所示。

Sandbox

Answer 2

将 HTML 视为字符串并使用正则表达式绝不是一个好主意。唯一不涉及 DOM 解析器的不错的解决方案是使用 PHP 的内置 strip_tags 函数（uses 和 state machine，因此仍然容易受到 HTML 损坏的潜在问题的影响），然后您可以压缩使用正则表达式生成的空格：

<?php
$html = '<h1>Heading</h1>
<br>
<br />
<a href="#">hyperlink</a>
<p></p>
<p>paragraph1</p>
<p>paragraph2</p>';

echo preg_replace("/\s+/", " ", strip_tags($html));

输出：

Heading hyperlink paragraph1 paragraph2

Answer 3

做到这一点的方法是使用两种模式

P1：<[\/\d\w]+.*?> 这将清除所有标签。

P2 : [\n\s]+ 并将其替换为 single Whitespace

示例：

$string = preg_replace( "<[\/\d\w]+.*?>","",$string);
$string = preg_replace("[\n\s]+"," ",$string);

Answer 4

你可以用这个

<\s*\/?\s*br[^>]*>|<\s*\/?\s*p[^>]*>|\n

解释

• <\s*\/?\s*br[^>]*> - 匹配 <br> 或 </br> 或 <br/> 与任意数量的空格并匹配属性。
• <\s*\/?\s*p[^>]*> - 匹配 <p> 或 </p> 或 <p/> 与任意数量的空格匹配属性也。
• \n - 匹配新行。

Demo

Answer 5

您可以将多个被空格包围的标签分组，并用一个空格替换它们。要替换的正则表达式是，

(\s*<[^>]+>\s*)+

这将为您提供一个空格来代替所有这些标签，最后使用trim() 去除您可能不需要的最右边和最左边的空格。

Demo

这里是演示的php代码，

$html = '<h1>Heading</h1>
<br>
<br />
<a href="#">hyperlink</a>
<p></p>
<p>paragraph1</p>
<p>paragraph2</p>';

echo trim(preg_replace("/(\s*<[^>]+>\s*)+/", " ", $html));

打印，

Heading hyperlink paragraph1 paragraph2

Answer 6

您可以保留现有的内容并删除多余的空格

$stripped = preg_replace('/\s+/', ' ', $string);

返回：

Heading hyperlink paragraph1 paragraph2