删除字符串中指定标签之外的所有内容 (PHP)

Question

问题已更新，以排除正则表达式作为可能的解决方案。

我正在尝试构建一个 php 函数，该函数允许我删除指定标签之外的所有内容，同时保留指定标签及其内容，但我不确定如何做到这一点...

例如：

$string = "lorem ipsum <div><p>Some video content</p><object></object></div><p>dolor sit</p> amet <img>"

some_function($string, "<div><img>");
returns: "<div><p>Some video content</p><object></object></div><img>"

感谢您的帮助！

Answer 1

好吧，所以我想我找到了一种基于我在上面发布的链接的explode_tags函数的修改版本来做到这一点的方法：

function explode_tags($chr, $str) { 
    for ($i=0, $j=0; $i < strlen($str); $i++) { 
        if ($str{$i} == $chr) { 
            while ($str{$i+1} == $chr) $i++; 
            $j++; 
            continue; 
        } 
        if ($str{$i} == "<") { 
            if (strlen($res[$j]) > 0) $j++;
            $s = strpos($str, " ", $i);
            $b = strpos($str, ">", $i);
            if($s<$b) $end = $s; 
            else $end = $b;
            $t = substr($str, $i+1, $end-$i-1);
            $tend = strpos($str, ">", $i);
            $tclose = strpos($str, "</".$t, $tend);
            if($tclose!==false) $pos = strpos($str, ">", $tclose);
            else $pos = strpos($str, ">", $i);
            $res[$j] .= substr($str, $i, $pos - $i+1); 
            $i += ($pos - $i); 
            $j++; 
            continue; 
        } 
        if ((($str{$i} == "\n") || ($str{$i} == "\r")) && (strlen($res[$j]) == 0)) continue; 
        $res[$j] .= $str{$i}; 
    } 
    return $res; 
}
function filter_tags($content, $tags) {
    $content = strip_tags($content, $tags);
    $tags = substr($tags, 1, -1);
    $d = strpos($tags, "><");
    if($d===false) $tags = array($tags);
    else $tags = explode("><", $tags);
    $content = explode_tags("", $content);
    $result="";
    foreach($content as $c) {
        $s = strpos($c, " ");
        $b = strpos($c, ">");
        if($s<$b) $end = $s;
        else $end = $b;
        $tag = substr($c, 1, $end-1);
        if(in_array($tag, $tags)) $result.=$c;
    }
    return $result;
}

filter_tags($content, "<img><div><object><embed><iframe><param><script>");

到目前为止，这似乎工作得很好，尽管我只在几个不同的内容上尝试过它。我不擅长这个，所以如果有人有建议，请自由分享......

感谢您的所有回答！

Answer 2

Jeff Atwood 有一篇非常精彩的博客文章，反对使用正则表达式来解析 HTML。 http://www.codinghorror .com/blog/2008/06/regular-expressions-now-you-have-two-problems.html

但是，在这种情况下，使用正则表达式首先删除无关的结尾可能不是一个坏主意然后使用 DOM 解析器从内部挑选出您想要的结构。

Answer 3

根据评论更新

您可以使用 css 选择器来获取您要查找的 div，然后爬行树以获取您选择的最外层元素。

请参阅 zend.dom.query 框架。
http://framework.zend.com/manual/en/zend.dom .query.html

基本上查询“div img”以立即在div标签内获取img标签。
然后爬上树直到到达目标位置，然后提取并保存该节点的outerHTML...

这可以在Javascript中工作，但我不知道php。

这里需要注意的是，您会失去上面示例的特殊性。即：包含四个图像的 div 将匹配所有子图像...您必须进行一些额外的处理，以确保您确实在做您认为正在做的事情。不过，这比盲目更换琴弦要安全一些。