除去链接以外的所有HTML标记

<(?!\/?a(?=>|\s.*>))\/?.*?>

试试这个。有一些类似的p标签。为他们工作,所以我不明白为什么不。使用负先行检查是否与a(前缀为可选/字符)不匹配,其中(使用正先行检查)a(前缀为可选/字符)后跟a>或者一个空间,然后>。然后匹配到下一个>性格把这个放在一个有

s/<(?!\/?a(?=>|\s.*>))\/?.*?>//g;

这应该只留下开始和结束标记

我一直在说,但我没办法推荐 regexr

一般来说,这种方法存在问题。正则表达式最适合于“平面”文本匹配-嵌套数据将正则表达式引擎推送到它们未设计的区域。一般的HTML解析需要一个解析器,而不是正则表达式引擎(如果需要完整的技术细节,可以通过谷歌搜索常规语言和上下文无关语言之间的差异)。

通过替换/</和/>/使用空字符串或其实体等价物,但使用正则表达式选择性地过滤HTML,将容易受到各种意外或恶意输入的攻击。

干得好:

{<(?!i|b|h[1-6]|/i|/b|/h[1-6][\s|>|/])[^>]*>}

怎么样

<[^a](.|\n)+?>

?

strip_tags() 这样做。

在这里,我包括所有 <a><p><font><b><i><sup> 标记并输出整理过的版本:

cat input.htm | tr -d '\n' | php -r '$input=fgets(STDIN); echo strip_tags($input,"<a><p><font><b><i><sup>");' | tidy -i -wrap 0 -o output.htm