PHP：正则表达式和特定标签剥离

Question

我正在寻找一种方法来删除所有锚标记，我也希望删除从 ',' 到
的所有内容，但
应保留。

脏输入：

Abstractor HLTH<br>
Account Representative, Major <a href="#P">P</a><br>
Accountant <a href="#NP">NP</a>, <a href="#M">M</a>, <a href="#REA">REA</a>, <a href="#SKI">SKI</a><br>

应该是这样的：

Abstractor HLTH<br>
Account Representative<br>
Accountant <br>

请帮忙！

-- 以下是脏文本：

$str = sprintf('

Abstractor HLTH<br>
Account Representative, Major <a href="#P">P</a><br>

Accountant <a href="#NP">NP</a>, <a href="#M">M</a>, <a href="#REA">REA</a>, <a href="#SKI">SKI</a><br>
Accountant, Cost I & II (See Cost Accountant I, II) <a href="#FR">FR</a><br>
Accountant, General <a href="#G">G</a><br>
Accountant, General I (Junior) (See General Accountant) <a href="#FR">FR</a>, <a href="#O/G">O/G</a>, <a href="#W">W</a><br>

Accountant, General II (Intermediate) (See General Accountant) <a href="#FR">FR</a>, <a href="#O/G">O/G</a>, <a href="#W">W</a>, <a href="#HA">HA</a> <br>
Accountant, General III (Senior) (See General Accountant) <a href="#FR">FR</a>, <a href="#O/G">O/G</a>, <a href="#W">W</a> <br>

');

Answer 1

通常，使用正则表达式处理 HTML 字符串是不好的，但假设所有链接都是这样形成的，那么使用 preg_replace() 不应该造成问题。试试这个

// Removes all links
$str = preg_replace("/<a href=\"#([A-Z\\/]+?)\">\\1<\\/a>(?:, )?/i", "", $str);

// Strip the comma and everything from the comma
// to the next <br> in the line
$str = preg_replace("/,(.*?)(?=<br>)/i", "", $str);

对于建议 strip_tags() 的其他答案：它不会删除它所删除的一对 HTML 标签所包含的文本。例如

Accountant <a href="#NP">NP</a>

，

Accountant NP

这并不完全是OP想要的。

Answer 2

我强烈建议使用 HTML Purifier http://htmlpurifier.org/

它相当简单成立以来，拥有极好的声誉和极其强大的实力。

Answer 3

strip-tags() 用于标签，str_replace() 与 strpos() 为另一件事。

Answer 4

HTML Purifier 是您的朋友。它具有灵活的选项，并且非常复杂。使用 str_replace 或正则表达式执行此类操作是错误。

Answer 5

strip_tags 有第二个参数，允许您提供一串允许的标签。它将删除除您提供的标签之外的所有标签：

$string = strip_tags($string, '<br>'); // will leave <br>-tags in place

Answer 6

$clean_string = strip_tags($original_string, '<br>');

这将剥离除 br 标签之外的所有内容。

正如 KingCrunch 所说，剩下的用 str_replace 和 strpos 来完成。