删除使用 DOMxpath 或正则表达式？

Question

我使用 DOMxpath 删除具有空文本节点的 html 标签，但保留
标签，

$xpath = new DOMXPath($dom);

while(($nodeList = $xpath->query('//*[not(text()) and not(node()) and not(self::br)]')) && $nodeList->length > 0) 
{
    foreach ($nodeList as $node) 
    {
        $node->parentNode->removeChild($node);
    }
}

它工作得很好，直到我遇到另一个问题，

$content = '<p><br/><br/><br/><br/></p>'; 

如何删除这种混乱的
和

？这意味着我不想允许
单独与

一起使用，但我允许
> 仅使用这样的正确文本，

$content = '<p>first break <br/> second break <br/> the last line</p>'; 

这可能吗？

还是用正则表达式更好？

我尝试过类似的操作，

$nodeList = $xpath->query("//p[text()=<br\s*\/?>\s*]");
    foreach($nodeList as $node) 
    {
        $node->parentNode->removeChild($node);
    }

但它返回此错误，

Warning: DOMXPath::query() [domxpath.query]: Invalid expression in...

Answer 1

您可以使用 XPath 选择不需要的 p：

"//p[count(*)=count(br) and br and normalize-space(.)='']"

---

注意 选择空文本节点，您不应该更好地使用 (?)：

"//*[normalize-space(.)='' and not(self::br)]"

这将选择没有文本节点的任何元素（除了 br），例如：

<p><b/><i/></p>

或

<p> <br/>   <br/>
</p>

包括。

Answer 2

我有几乎相同的情况，我使用：

$document->loadHTML(str_replace('<br>', urlencode('<br>'), $string_or_file));

并使用 urlencode() 将其改回以显示或插入数据库。
它对我有用。

Answer 3

您可以通过简单地检查段落中是否只有空格和
标签来删除它们： preg_replace("\

; (\s|\
)*\<\/p\>","",$content);


分解：

\<p\>    # Match for <p>
(        # Beginning of a group
  \s       # Match a space character
  |        # or...
  \<br\s*\/\> # match a <br /> tag, with any number (including 0) spaces between the <br and />
)*       # Match this whole group (spaces or <br /> tags) 0 or more times.
\<\/p\>  # Match for </p>

不过，我会提到除非你的 HTML 是格式良好（一行，没有奇怪的空格或段落类等），您不应该使用正则表达式来解析它。如果是这样，这个正则表达式应该可以正常工作。