php - 如何在也使用strip_tags的php字符串中替换多个小于<的实例？

问题描述

我将以下字符串存储在包含 HTML 的数据库表中，在网页上呈现之前我需要删除（这是我无法控制的旧内容）。

<p>I am <30 years old and weight <12st</p>

当我使用strip_tags它时，它只显示I am.

我理解为什么 strip_tags 会这样做，所以我需要将 2 个实例替换<为<

我找到了一个转换第一个实例而不是第二个实例的正则表达式，但我不知道如何修改它以替换所有实例。

/<([^>]*)(<|$)/

这导致I am currently <30 years old and less than

我在这里有一个演示https://eval.in/1117956

标签： phpregexpreg-replacepcre

尝试使用字符串函数解析 html 内容是一个坏主意，包括正则表达式函数（有很多主题可以解释这一点，请搜索它们）。html 太复杂了，无法做到这一点。

问题是您无法控制的 html 格式不正确。有两种可能的态度：

没有什么可做的：数据已损坏，因此信息一劳永逸地丢失，您无法检索已经消失的东西，仅此而已。这是一个完全可以接受的观点。可能您可以在某处找到相同数据的另一个来源，或者您可以选择打印格式不佳的 html。
你可以尝试修复。在这种情况下，您必须确保所有文档问题都受到限制并且可以解决（至少可以手动解决）。

代替直接字符串方法，您可以通过DOMDocument. 即使 libxml 解析器不会给出比更好的结果strip_tags，它也会提供错误，您可以使用它来识别错误类型并在 html 字符串中找到有问题的位置。

使用您的字符串，libxml 解析器XML_ERR_NAME_REQUIRED会在每个有问题的左尖括号上返回带有代码 68 的可恢复错误。使用可以看到错误libxml_get_errors()。

您的字符串示例：

$s = '<p>I am <30 years old and weight <12st</p>';

$libxmlErrorState = libxml_use_internal_errors(true);

function getLastErrorPos($code) {
    $errors = array_filter(libxml_get_errors(), function ($e) use ($code) {
        return $e->code === $code;
    });

    if ( !$errors )
        return false;

    $lastError = array_pop($errors);
    return ['line' => $lastError->line - 1, 'column' => $lastError->column - 2 ];
}

define('XML_ERR_NAME_REQUIRED', 68); // xmlParseEntityRef: no name

$patternTemplate = '~(?:.*\R){%d}.{%d}\K<~A';

$dom = new DOMDocument;
$dom->loadHTML($s, LIBXML_HTML_NODEFDTD | LIBXML_HTML_NOIMPLIED);

while ( false !== $position = getLastErrorPos(XML_ERR_NAME_REQUIRED) ) {
    libxml_clear_errors();
    $pattern = vsprintf($patternTemplate, $position);

    $s = preg_replace($pattern, '&lt;', $s, 1);
    $dom = new DOMDocument;
    $dom->loadHTML($s, LIBXML_HTML_NODEFDTD | LIBXML_HTML_NOIMPLIED);
}

echo $dom->saveHTML();

libxml_clear_errors();
libxml_use_internal_errors($libxmlErrorState);

演示

$patternTemplate是一个格式化字符串（参见sprintfphp 手册），其中占位符%d分别代表之前的行数和从行首开始的位置。（此处为 0 和 8）

模式细节：模式的目标是从字符串的开头到达尖括号位置。

~ # my favorite pattern delimiter
  (?:
      .* # all character until the end of the line
      \R # the newline sequence
  ){0} # reach the desired line

  .{8} # reach the desired column
  \K   # remove all on the left from the match result
  <    # the match result is only this character
~A # anchor the pattern at the start of the string

我使用类似技术的另一个相关问题：手动解析无效 XML

php - 如何在也使用strip_tags的php字符串中替换多个小于<的实例？

问题描述

解决方案

推荐阅读