PHP etiketlerini temizleme. PHP'de bir dizeden HTML etiketlerini kaldırma. Metinden tek tek html etiketlerini kaldırma

Kesinlikle herkes gereksiz etiketlerden html temizleme görevi ile karşı karşıyadır.

Akla gelen ilk şey strip_tags() php fonksiyonunu kullanmaktır:
string strip_tags (string str [, string allowable_tags])

İşlev, etiketlerden arındırılmış bir dize döndürür. Kaldırılmaması gereken etiketler allow_tags bağımsız değişkeni olarak iletilir. İşlev çalışır, ancak hafifçe söylemek gerekirse mükemmel değil. Bu arada, etiketlerde yer almayan metnin kaldırılmasını gerektirebilecek kodun geçerliliği için herhangi bir kontrol yoktur.
Proaktif geliştiriciler boş boş oturmadı - değiştirilmiş işlevleri internette bulabilirsiniz. Strip_tags_smart iyi bir örnektir.

Hazır çözümleri uygulamak veya uygulamamak programcının kişisel tercihidir. Öyle oldu ki, çoğu zaman "evrensel" bir işleyiciye ihtiyacım yok ve kodu normal ifadelerle temizlemek daha uygun.

Bu veya bu işleme yönteminin seçimini ne belirler?

1. Kaynak materyalden ve analizinin karmaşıklığından.
Oldukça basit htmp metinlerini, süslü bir düzen olmadan, gün gibi net bir şekilde işlemeniz gerekiyorsa, o zaman standart işlevleri kullanabilirsiniz.
Metinlerin dikkate alınması gereken belirli özellikleri varsa, o zaman özel işleyicilerin yazıldığı yer burasıdır. Bazıları sadece str_replace kullanabilir. Örneğin:

$ s = dizi ("â € ™" => "' ", // Sağ kesme işareti (örn. I" m'de)
"â € œ" => "“ ", // Açılış konuşma işareti
"â €“ "=>" - ", // Uzun tire
"â €" => "” ", // Kapanış konuşma işareti
"Ã" => "é", // e akut vurgu
chr (226). chr (128). chr (153) => "' ", // Tekrar sağa kesme işareti
chr (226). chr (128). chr (147) => "-", // Tekrar uzun tire
chr (226). chr (128). chr (156) => "“ ", // Açılış konuşma işareti
chr (226). chr (128). chr (148) => "-", // M tekrar çizgi
chr (226). chr (128) => "” ", // Sağ konuşma işareti
chr (195). chr (169) => "é", // e tekrar akut
);

foreach ($ s as $ iğne => $ yerine)
{
$ htmlText = str_replace ($iğne, $değiştir, $htmlText);
}

Diğerleri dayalı olabilir düzenli ifadeler... Örnek olarak:

işlev getTextFromHTML ($ htmlText)
{
$ arama = dizi (""]*?>.*?"si", // javaScript'i kaldır
""]*?>.*?"si", // Stilleri kaldır
""]*?>.*?"si", // xml etiketlerini kaldır
""<[\/\!]*?[^<>] *?> "si", // HTML etiketlerini kaldır
"" ([\ r \ n]) [\ s] "", // Boşlukları kaldırın
"" & (quot | # 34); "i", // HTML özel karakterlerini değiştir
"" & (amp | # 38); "i",
"" & (lt | # 60); "i",
"" & (gt | # 62); "i",
"" & (nbsp | # 160); "i",
"" & (iexcl | # 161); "i",
"" & (yüzde | # 162); "i",
"" & (pound | # 163); "i",
"" & (kopya | # 169); "i",
"" (\ d); "e"); // php olarak yaz

$ değiştir = dizi ("",
"",
"",
"",
"\\1",
"\"",
"&",
"<",
">",
" ",
chr (161),
chr (162),
chr (163),
chr (169),
"chr (\\ 1)");

preg_replace döndür ($ arama, $ değiştirme, $ htmlText);
}
(Böyle anlarda, preg_replace'in dizilerle parametre olarak çalışabilmesi her zamankinden daha fazla memnuniyet vericidir). Gerekirse, diziyi düzenlilerinizle tamamlarsınız. Örneğin, bu normal ifade oluşturucu bunları derlemenize yardımcı olabilir. Acemi geliştiriciler, "HTML etiketleri hakkında her şey. HTML etiketlerini çıkarmak için 9 Normal İfade" makalesini faydalı bulabilir. Oradaki örneklere bakın, mantığı analiz edin.

2. Ciltlerden.
Hacimler, analizin karmaşıklığı ile doğrudan ilişkilidir (önceki paragraftan). Çok sayıda metin, her şeyi düzenli olarak öngörmeye ve temizlemeye çalışarak bir şeyleri gözden kaçırma olasılığınızı artırır. Bu durumda, "çok aşamalı" temizleme yöntemi uygundur. Yani, önce strip_tags_smart işlevini kullanarak temizleyin (her ihtimale karşı kaynak kodunu silmiyoruz). Ardından, "anomalileri" belirlemek için bir dizi metni seçici olarak tararız. Normal çizgilerle anormallikleri "temizliyoruz".

3. Sonuç olarak elde edilmesi gerekenlerden.
İşleme algoritması duruma bağlı olarak farklı şekillerde basitleştirilebilir. Önceki makalelerden birinde anlattığım durum bunu çok iyi gösteriyor. Oradaki metnin bir div'de olduğunu hatırlatayım, bunun yanında içinde "ekmek kırıntıları" olan bir div, bir adsense reklamı, benzer yazıların bir listesi de vardı. Bir makale örneği incelenirken, makalelerin şekil içermediği ve basitçe paragraflara bölündüğü tespit edildi. "Ana" div'i gereksiz şeylerden temizlememek için tüm paragrafları bulabilir (Simple HTML DOM Ayrıştırıcı ile çok basittir) ve içeriklerini birleştirebilirsiniz. Bu yüzden düzenli temizlik yapmadan önce, biraz kanla geçinebilecek misin bir bak.

Genel olarak, yalnızca düzenli ifadelere dayanan html kodunu ayrıştırma ve belgenin DOM yapısının analizine dayanan ayrıştırma destekçileri arasında, web'de gerçek holivarlar alevlenir. Örneğin, taşma. İlk bakışta masum

Aynı şekilde kullanıcılardan veri aldığınızda, onlardan iletilen verileri işlemek ve çıktıda net metin almak mantıklıdır.

Şimdi size bunun farklı şekillerde nasıl yapılabileceğini anlatacağım.

PHP'de bir dizeden tüm HTML etiketleri nasıl kaldırılır?

PHP'nin “adlı bir işlevi vardır. strip_tags". Bir değişkenden tüm HTML etiketlerini hızlı ve kolay bir şekilde kaldırmanıza olanak tanır.

Uygulama:

Selam Dünya!"; $ içerik = strip_tags ($ içerik); echo $ içerik; // "Merhaba dünya! "?>

Selam Dünya!

"); echo $ içerik; // Yazdırır" Merhaba dünya!

Lorem ipsum dolor sit amet, conectetur adipiscing elit.
Vivamus sed lacus vel diam conectetur rhoncus ve eget justo.

Bu durumda, etiketleri kaydederiz

VE ... Bitiş etiketi olan etiketleri kaydederken kaydetmeniz gerekmez.

Not, işlev HTML işaretlemesinin geçerliliğini kontrol etmez ve kapatılmamış etiketler varsa, normal metni kaybetme riskiyle karşı karşıya kalırsınız.

JavaScript'te bir dizeden tüm HTML etiketleri nasıl kaldırılır?

JavaScript'te, daha sonra alınan verileri işleyeceğimiz kendi küçük işlevimizi yazacağız.

Uygulama:

Bu örnek, belirli bir değişken üzerinde çalışır, ancak onu, örneğin giriş alanından alınan içeriğe uyacak şekilde değiştirebilirsiniz.