php只删除包装标签

Question

如何仅使用preg_replace删除包装器标记。

例如：我想从中删除p标签：

$html = "<p><div><p>aaaaaa</p></div></p>";

输出应该是：<div><p>aaaaaa</p></div>

如果是输入

$html = "<p>aaaaaa</p><div>bbbb</div>";

输出应该是：<p>aaaaaa</p><div>bbbb</div>

我尝试使用这个正则表达式：'/<p[^>]*>(.*)<\/p[^>]*>/i'但它取代了所有的p标签。

Answer 1

这是使用递归模式的正则表达式方法。

代码：（Demo）

$htmls = [
    "<p><div><p>aaaaaa</p></div></p>",
    "<div><p>aaaaaa</p></div>",
    "<p>aaaaaa</p><div>bbbbbb</div>",
    "<p>aaaaaa</p><div>bbbbbb</div><p>cccccc</p>",
    "<p>aaaaaa</p><p>bbbbbb</p>",
    "<p>hello<p>aaaaaa</p></p>",
    "<p><p>aaaaaa</p></p>"
];

foreach ($htmls as $i => $html) {
    $without_ptags = preg_replace('~<p>(?:(?R)|.*?)*</p>~', '', $html,2, $count);
    if ($without_ptags === '' && $count == 1) {
        echo "$i => ", substr($html, 3, -4);
    }else{
        echo "$i => not wrapped in p tags";
    }
    echo "\n---\n";
}

输出：

0 => <div><p>aaaaaa</p></div>
---
1 => not wrapped in p tags
---
2 => not wrapped in p tags
---
3 => not wrapped in p tags
---
4 => not wrapped in p tags
---
5 => hello<p>aaaaaa</p>
---
6 => <p>aaaaaa</p>
---

*注意不建议使用正则表达式解析HTML。如果我能想出一个聪明的DomDocument方法，我会把它添加到我的答案中。

在那之前，我的代码使用递归模式将<p>...</p>子串替换为空字符串。 （Pattern Demo）preg_replace()存储在$count取代的数量。如果输出字符串是完全空的并且$count是1，则可以推断出html字符串完全嵌套在单个父<p>标记中。做出这个决定后，substr()被用来移除领先的<p>和尾随的</p>。 *注意：使用2的替换限制，因为2个或更多替换构成不合格的html字符串，无论输出到$without_ptags。