刪除除div類外的所有html標簽和內容

Question

我想從字符串中刪除除div類以外的所有html內容： <div class="toto">blablabla</div>

我應該使用正則表達式還是DOM解析器？

回答drachenstern：

這是bbcode的注釋內容。 而且此div中的html是用Geshi（代碼熒光筆）生成的，所以我不想刪除它。

例如，訪客可以在[code][/code] bbcode標簽中輸入<script></script> 。 必須刪除[code][/code] bbcode標記之外的所有HTML，否？

Answer 1

使用Regex從網頁成功提取數據幾乎是不可能的，因此我建議使用專用的HTML解析器 。 有些問題對於您每次嘗試解決它們都很大，因此使用外部庫被認為是可以接受的。

如果您只需要一個div，我想知道您要對特定的div做什么。 它可以在客戶端運行還是必須在服務器端運行？ 您要寫刮板嗎？

Answer 2

我想你已經知道答案了:-)

嚴重的是...在這種情況下，它取決於周圍字符串的復雜性...如果它的差異很大，或者您想保留的代碼段嵌套得很深，則dom分析器會發出聲音..如果周圍的內容很漂亮正則表達式可能可以預測。 我可能會以任何一種方式使用DOM，因為它將更易於使用並且是最可靠的方法。

Answer 3

除非您可以保證字符串的這一部分完全是<div class="toto".....</div> ，否則regex不能做到這一點。 確切地說，我的意思是，主要是在class之前沒有其他屬性，並且在此內部沒有其他div元素。 大寫/小寫，空格和單/雙引號應能夠由正則表達式處理。

由於您可能無法做出這些保證（如果可以的話，這將是一個例外情況），因此您需要一個DOM解析器

即使您確實使正則表達式適用於這種非常特殊的情況，但是如果您要進行可能的更改或在其他地方執行類似的任務，則DOM分析器將很快變得值得。

編輯-錯誤地將空格歸類，已修復。

Answer 4

wordpress和其他人仍然使用kses，它似乎是一個非常靈活的過濾器-在這里查看： http : //sourceforge.net/projects/kses/

例：

$string = kses($string, array('div' => array('valueless' => 'n', value => 'toto')));

Answer 5

（我從PHP標記中假定以下內容將是有用的...）

strip_tags（）正是這樣做的。 樣例代碼

<?php
$text = '<p>Test paragraph.</p> <div class="blah">Other text</div>';

echo strip_tags($text, '<div>');
echo "\n";
?>

產生輸出

Test paragraph. <div class="blah">Other text</div>