php怎么去除html并得到纯文本

随着互联网的不断发展和用户需求的提高，越来越多的网站需要提供文本编辑功能，用户可以在页面上添加、编辑或删除内容。这些内容在保存到数据库或在页面上展示时，通常需要经过一些处理，使它们成为纯文本格式。

对于PHP程序员来说，去除HTML的过程也就是把一段富文本变成纯文本格式的过程是一个重要的技能。那么，如何使用PHP去除HTML并得到纯文本呢？下面本文将就这个话题给出一些实用方法。

用strip_tags()函数去除HTML标签

PHP中有一个strip_tags()函数，可以去除HTML标签，得到纯文本格式的字符串。函数格式如下：

string strip_tags ( string $str [, string $allowable_tags ] )

第一个参数是要被处理的字符串，第二个参数则是允许保留的标签元素名称。如果没有指定第二个参数，则会去除所有HTML标签。

例如，以下代码将会去掉HTML文本中所有的标签元素，并输出结果：

<?php
    $html = '<div><p>Hello, world!</p></div>';
    $text = strip_tags($html);
    echo $text; // 输出结果：Hello, world!
?>

可以将上述方法进行拓展，支持保留指定标签元素。

<?php
    $html = '<div><p>Hello, world!</p><a href="www.google.com">Google</a></div>';
    $text = strip_tags($html, '<p>');
    echo $text; // 输出结果：<p>Hello, world!</p>
?>

使用正则表达式去除HTML标签

除了 strip_tags() 函数外，使用正则表达式也是一种常见的方法。正则表达式可以匹配HTML标签，并去除它们。以下是一段示例代码：

<?php
    $html = '<div><p>Hello, world!</p></div>';
    $text = preg_replace('/<[^>]*>/', '', $html);
    echo $text; // 输出结果：Hello, world!
?>

使用preg_replace()函数和正则表达式"/<¹*>/"，去除了HTML标签。该正则表达式可以匹配任何以“<”开始，“>”结束的字符串，括号内的“^>”表示匹配除了“>”以外的所有字符。

实现更精细的HTML标签去除

上述两种方法虽然简单有效，但会完全去除HTML标签，包括一些格式标记，如粗体、斜体、下划线等。如果不想完全去除这些标签，而是只想保留它们的样式，那应该怎么办呢？

这时我们可以利用PHP DOM扩展，来实现更精细的HTML标签去除。PHP DOM扩展是一个功能强大而灵活的扩展，可以解析HTML、XML文档，然后对它们进行操作，比如查询、插入、删除节点等。

以下是一段示例代码，利用PHP DOM扩展去除了HTML标签：

<?php
    $html = '<div><p><strong>Hello, </strong><i>world</i>!</p></div>';
    
    $dom = new DOMDocument();
    $dom->loadHTML($html);

    $body = $dom->getElementsByTagName('body')->item(0);
    $text = $body->textContent;

    echo $text; // 输出结果：Hello, world!
?>

首先创建一个DOMDocument对象，然后将要处理的HTML字符串传递给它的loadHTML()方法。接着，使用getElementsByTagName('body')->item(0)方法来获取HTML中的body元素，然后使用textContent属性，获取body元素下所有纯文本内容。最后，将得到的结果输出到屏幕上。

总结

本文介绍了三种以PHP为基础的方法来去除HTML标记，得到纯文本。第一种是简单的strip_tags()函数，可以实现最基础的HTML标记去除，第二种方法则利用正则表达式的优势，对HTML标记进行匹配去除，第三种方法则使用PHP DOM扩展，可完全地控制HTML体系，更加精细的控制输出结果。大家可以根据自己的需求，灵活选择使用。

以上就是php怎么去除html并得到纯文本的详细内容，更多请关注编程网其它相关文章！