从 php 中的数据中删除损坏的 html 标签答案

【问题标题】：Remove broken html tags from data in php从 php 中的数据中删除损坏的 html 标签
【发布时间】：2013-09-13 09:30:32
【问题描述】：

我正在开发 php 应用程序，我从不同来源（例如（电子邮件、数据库等））获得随机文本。现在我遇到了一个问题。我的文本包含损坏的 HTML 元素，例如

$purl  ='FTP details are as 
follow:User name : Mahmud
div>password :1234556Than
ks ';

。我尝试了 strip_tags 和一些 preg 匹配算法，但没有奏效。如果 HTML 元素不完整，如上面的div> 标记，我该如何删除它。我知道之前问过这个类型的问题，但我不知道我该怎么做。感谢您的帮助。

有关更多详细信息，我将添加此 Link。我正在获取电子邮件，然后使用 DOM 获取电子邮件的特定部分。

【问题讨论】：

那些破碎的html元素有模式吗？
@AliTrixx 不，这次我得到了 div> 其他可能是别的东西。如果文本中出现任何此类损坏的 HTML，我想删除。谢谢
由于没有模式或无法确定它们是否会发生，你应该用你想出的任何损坏的标签填充一个数组，然后使用 str_replace 将它们全部替换
考虑到可能发生的错误范围，您将很难做到这一点——即使是网页浏览器有时也会在 HTML 损坏时出现问题，而且它们是专门设计的能够处理它。
@Spudley 我编辑我的问题并添加我以前的问题链接。从那里我收到消息然后我呈现该文本。

标签： php html preg-match

【解决方案1】：

http://php.net/manual/en/tidy.parsestring.php



<?php
ob_start();
?>

<html>
    <head>
        <title>test</title>
    </head>
    <body>
        <p>error<br>another line</i>
    </body>
</html>

<?php

$buffer = ob_get_clean();
$config = array('indent' => TRUE,
        'output-xhtml' => TRUE,
        'wrap' => 200);

$tidy = tidy_parse_string($buffer, $config, 'UTF8');

$tidy->cleanRepair();
echo $tidy;

?>

【讨论】：

您还需要添加选项'show-body-only' => true，因为它只是一个html片段。在此处查看有关选项的更多信息：tidy.sourceforge.net/docs/quickref.html

【解决方案2】：

如果我是用户并且我希望我的用户名是<span man，怎么样？

您实际上无法知道何时应该“更正”文本，因为它是一个损坏的标签，或者什么时候不是。

你应该对你的输入做点什么。您是否从 curl 输出中获取此文本？但无论如何，正如我所说，只需检查您的阅读输入。

【讨论】：

这次我正在获取电子邮件，渲染后我有一些时间像上面一样。如果您想了解该代码，我也可以分享。谢谢
@AmalMurali 继续开发一个完全不关心所有输入的应用程序。发布它并保持您的电话关闭。
@MahmoodRehman 我很确定您没有正确进行提取。放置代码，我们可以检查它并尝试改进它。
我认为如果我发布该代码，问题会更长。您能否专注于文本可能包含损坏的 html 元素这一点。我想我必须将损坏的元素存储在数组中，然后将其与文本匹配。

【解决方案3】：

您需要在您的 php 中安装和配置 HTML TIDY，有关详细信息，请参阅此链接

php.net/manual/en/book.tidy.php

而且这个问题之前也有人问过，代码参考这个链接（答案）

Remove HTML Entity if Incomplete

【讨论】：

感谢您的回复。我在发布我的问题之前访问了该问题。我无法限制用户输入数据的时间，因为我正在获取而不是保存数据。
不需要限制用户，在显示文本之前使用 HTML TIDY。