用preg_replace替換所有html代碼

Question

我想將所有HTML代碼替換為空白。 我想我應該使用preg_replace函數，但是我不確定在html代碼采用這種方式的情況下應該如何做：

”
β

$text="β something ” test..."

$text=preg_replace("&# [what should be here?] ;", " ", $text);

echo $text;
result =  something  test...

我認為它應該只是數字，因為我在這里只找到數字： http ： //www.ascii.cl/htmlcodes.htm

Answer 1

您可以看看strip_tags正是這樣做的。 但是，這些不適用於HTML的代碼稱為HTML實體。

與您想要的匹配的正則表達式如下所示：

(&#.+?;)

相當簡單，先查找&#然后查找任何重復的字符，直到; 。

編輯：正如Qtax指出的那樣，它們不必是數字。 點匹配所有。

Answer 2

HTML字符引用可以通過兩種方式定義 。 假設您只想替換數字字符引用，則需要一個正則表達式來解析以下格式：

• &#D; 其中D是十進制數
• &#xH; 其中H是一個十六進制數

正則表達式兼顧以下兩個方面：

/&#(\d+|x[\da-f]+);/i

Answer 3

如果要替換所有HTML實體，如&foo; 您可以使用類似：

preg_replace('/&(?:[a-z]+|#x[\da-f]+|#\d+);/i', ' ', $text);

如果要解碼它們，請使用html_entity_decode 。

Answer 4

&<something>; 是HTML實體的語法。 如果要替換所有它們，請使用此regexp：

preg_replace('/&.*?;/', '', $subject); // from ampersand till the next semicolon

它將用空字符串替換所有HTML實體，包括ä ， &x20; 和別的