删除所有的HTML标签和内容除了一个div类

我想删除字符串中的所有HTML内容，除了一个div类：<div class="toto">blablabla</div>删除所有的HTML标签和内容除了一个div类

我应该使用正则表达式或DOM解析器？

要回答drachenstern：

这是评论内容与设置高亮。而这个div中的html是用Geshi（代码高亮）生成的，所以我不想删除它。

例如，访问者可以在[code][/code]bbcode标签中输入<script></script>。 [code][/code] bbcode标签之外的所有HTML必须删除否？

2011-01-09 CrazyMax

这是almost impossible to use a Regex to successfully extract data from a webpage所以我建议改为使用dedicated HTML parser。有些问题只是为了让您每次尝试解决它们，因此use an external library被认为是可以接受的。

如果你只需要一个div，我想知道你想用特定的div做什么。它可以在客户端工作，还是必须在服务器端进行？你想写一个刮板吗？

2011-01-09 06:33:08 jcolebrand

这是评论内容与设置高亮。而这个div中的html是用Geshi（代码高亮度）生成的，所以我不想删除它。例如，访问者可以在[code] [/ code] bbcode标签中输入，但不能在外面。对不起，我的英语不好：/ – CrazyMax 2011-01-09 06:37:32

你的英语不错，而且我还不完全确定问题是什么。您是否在表单文章上过滤输入，并在将元素返回到页面之前尝试阻止XSS？ – jcolebrand 2011-01-09 06:39:28

是的，我使用PHP IDS来防止垃圾邮件的注入和Akismet。 – CrazyMax 2011-01-09 06:40:46

我想你已经知道答案了:-)

虽然严重......在这种情况下，依赖于周围的串的复杂性......如果它有一个很大的差异，或者您想要的片段如果周围的内容是相当可预测的，那么正则表达式就可以做到。我可能会以任何方式使用DOM，因为它会更容易使用，并且是最安全的。

2011-01-09 06:35:33 prodigitalson

除非你能保证字符串的这部分完全是<div class="toto".....</div>的形式，否则正则表达式不能这样做。具体来说，我的意思是class之前主要没有其他属性，并且在此之内没有其他div元素。大写/小写，空格和单/双引号应该能够由正则表达式处理。

因为你很可能不能让这些保障，你需要一个DOM解析器

即使你做的正则表达式工作，为这个非常特殊的情况下，如果你是（它会如果你能成为一个特例）在其他地方可能会发生变化或执行类似的任务，那么DOM解析器将很快变得值得。

编辑 - 错误地将空格分类，固定。

2011-01-09 06:37:28

WordPress和其他人仍然使用KSES，它似乎是一个相当灵活的过滤器 - 看看这里：http://sourceforge.net/projects/kses/

例子：

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

2011-01-09 06:47:17 roman

（我是从PHP标签假设以下将是有用的...）

strip_tags()正是这样做。示例代码

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

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

产生输出

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

2011-01-09 06:48:18 metadaddy

回答