从html源中删除php短标签

Question

我正在解析一些带有curl的html代码。 一些网站的html来源，例如：

<div id="content">
    some words
</div>
<?    
    $box_social['dimensioni']="80";
        $box_vota=array();
    $box_vota["novideo"]='';
    $box_vota["nofoto"]='';
    $box_vota["id_articolo"]='1003691';
    include($_SERVER['DOCUMENT_ROOT']."/incs/box_social.php");    
?>
<div id="footer">
   some words
</div>

如何从html源中删除php短标签？ 我需要

<div id="content">
    some words
</div>
<div id="footer">
   some words
</div>

我使用preg_replace('/<\\?(.*?)\\?>/','',$html); ，但php短标记部分仍然存在。

Answer 1

此正则表达式符合您的情况：

$html = htmlspecialchars(preg_replace('/<\?([\w\W]*)\?>/','',$html));
$html = htmlspecialchars(preg_replace('/<\?(.*)\?>/s','',$html));

如果存在多个PHP块，这也将匹配：

$html = htmlspecialchars(preg_replace('/<\?([^\?>]*)\?>/','',$html));

从PHP.NET

s（PCRE_DOTALL）如果设置了此修饰符，则模式中的点元字符将匹配所有字符，包括换行符。 没有它，换行符将被排除。 此修饰符等效于Perl的/ s修饰符。 否定类（例如[^ a]）始终与换行符匹配，而与该修饰符的设置无关。