如何在HTML标签内替换空格，同时将标签保留在PHP中（preg_replace）？

Question

假设我有这个字符串：

$string = '<p > ¡Esto es una prueba! < /p > <p> <strong > Prueba 123 </strong> </p> <p> <strong> < a href="https://matricom.net"> MATRICOM < / a> </ strong> </p> <p> <strong > Todas las pruebas aquí ... </strong > < /p>'

我想做的是使用PHP修复HTML标记（由于空格，它们的格式不正确）。我尝试了几种在网上找到的不同正则表达式，例如：

$html = trim(preg_replace('/<\s+>/', '<>', $text));

和：

$html = preg_replace('/<(.+?)(?:»| |″)(.+?)>/', '<\1\2>', $text);

我正在尝试获取这样的字符串输出（在HTML标签的开头和结尾部分删除了空格：]

'<p> ¡Esto es una prueba! </p> <p> <strong> Prueba 123 </strong> </p> <p> <strong> <a href="https://matricom.net"> MATRICOM </a> </strong> </p> <p> <strong> Todas las pruebas aquí ... </strong> </p>'

背景故事：Google翻译倾向于在翻译结果中添加随机空格，这会影响HTML结构。只是在寻找一种清理标签的快速方法。我一直在寻找如何执行此操作的两天，似乎找不到适合我所寻找内容的任何东西。

Answer 1

在最一般的情况下，您可以使用preg_replace_callback解决方案：

$text='<p > ¡Esto es una prueba! < /p > <p> <strong > Prueba 123 </strong> </p> <p> <strong> <a href="https://matricom.net"> MATRICOM < / a> </ strong> </p> <p> <strong > Todas las pruebas aquí ... </strong > < /p>';
echo preg_replace_callback('~<[^<>]+>~u', function($m) { 
    return str_replace(' ', '', $m[0]); 
  // or,  preg_replace('~\s+~u', '', $m[0]); 
}, $text);

请参见PHP demo。

但是，您可能希望创建一种模式，使其仅与Google翻译输出中实际使用的标记匹配。对于a，p和strong标签，它看起来像

'~<\s*(?:/\s*)?(?:p|a|strong)\s*>~u'

请参见this regex demo

详细信息

• [<-<字符
• \s*-0+空格
• [(?:/\s*)?-/的可选序列，然后是0+空格
• [(?:p|a|strong)-p，a或strong子字符串
• \s*-0+空格
• [>-一个>字符。

Answer 2

这可能超出了您的需要，但是翻译HTML文件的过程（无论是MT还是人工的）都涉及通过过滤器解析HTML，该过滤器可完全隐藏/保护HTML标记不受翻译过程的影响。翻译编辑器仅允许出于语言目的移动某些标签（在您的示例中为href）。另外，在某些语言中，粗体格式可能不是理想的。

一旦对HTML进行后处理，就保持原样，只改变了文本内容。

[请注意，您可能会发现使用Google翻译时，HTML标记的内容有时也会被翻译，这会导致各种问题。

我可以更详细地解释该解决方案，请告诉我是否有兴趣。所需工具可免费获得。