去掉 <p><br/></p> 與DOMxpath或正則表達式？

Question

我使用DOMxpath刪除了具有空文本節點但保留<br/>標記的html標記，

$xpath = new DOMXPath($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);
    }
}

在我遇到另一個問題之前，它非常有效

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

如何刪除這種凌亂的<br/>和<p> ？ 這意味着我不想只允許<br/>與<p>但是我允許<br/>僅帶有這樣的適當文本，

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

那可能嗎？

還是用正則表達式更好？

我嘗試過這樣的事情

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

但它返回此錯誤，

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

Answer 1

您可以使用XPath選擇不需要的p：

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

---

請注意 ，選擇空文本節點不應該更好地使用（？）：

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

這將選擇沒有文本節點的任何元素（但不包括br），這些節點如：

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

要么

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

包括在內。

Answer 2

我有幾乎相同的情況，我使用：

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

並使用urlencode()將其更改回顯示或插入數據庫。 它為我工作。

Answer 3

您只需檢查段落中唯一的內容就是空格和<br />標記，就可以擺脫它們： preg_replace("\\<p\\>(\\s|\\<br\\s*\\/\\>)*\\<\\/p\\>","",$content);

細分：

\<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>

但是，我要提到的是，除非您的HTML格式正確（單行，沒有奇怪的空格或段落類，等等），否則您不應使用正則表達式來對此進行解析。 如果是這樣，則此正則表達式應該可以正常工作。