如何使用正则表达式去除标签及其内容？

Question

$ str ='一些文字标签内容更多文字';

我的问题是： 如何检索内容tag <em>contents </em>这是介于<MY_TAG> .. </MY_TAG>之间？

而且

如何从$str<MY_TAG>及其内容？

我正在使用PHP。

谢谢。

Answer 1

如果MY_TAG不能嵌套，试试这个让比赛：

preg_match_all('/<MY_TAG>(.*?)<\/MY_TAG>/s', $str, $matches) 

，并将它们删除，请使用preg_replace代替。

Answer 2

虽然要做到这一点唯一完全正确的方法是不使用正则表达式，你可以得到你想要的东西，如果你接受它不能处理所有的特殊情况：

preg_match("/<em[^>]*?>.*?</em>/i", $str, $match); 
// Use this only if you aren't worried about nested tags. 
// It will handle tags with attributes 

而且

preg_replace(""/<MY_TAG[^>]*?>.*?</MY_TAG>/i", "", $str); 

Answer 3

你不想为此使用正则表达式。一个更好的解决办法是将内容加载到DOMDocument并使用DOM树和标准DOM方法上它的工作：

$document = new DOMDocument(); 
$document->loadXML('<root/>'); 
$document->documentElement->appendChild(
    $document->createFragment($myTextWithTags)); 

$MY_TAGs = $document->getElementsByTagName('MY_TAG'); 
foreach($MY_TAGs as $MY_TAG) 
{ 
    $xmlContent = $document->saveXML($MY_TAG); 
    /* work on $xmlContent here */ 

    /* as a further example: */ 
    $ems = $MY_TAG->getElementsByTagName('em'); 
    foreach($ems as $em) 
    { 
     $emphazisedText = $em->nodeValue; 
     /* do your operations here */ 
    } 
} 

Answer 4

对于去除最后我只是用这样的：

$str = preg_replace('~<MY_TAG(.*?)</MY_TAG>~Usi', "", $str); 

使用〜而不是/由于末尾标记中的反斜杠解决了分隔符解决的错误，即使转义，这似乎也是一个问题。从开始标签中消除>允许属性或其他字符，并仍然获取标签及其所有内容。

这只适用于嵌套不重要的情况。

Usi修饰符表示U = Ungreedy，s =包含换行符，i =不区分大小写。