php正则去除网页中所有的html,js,css,注释的实现方法

heimao

下面给大家带来一篇php正则去除网页中所有的html,js,css,注释的实现方法。

1. $search = array ("'<script[^>]*?>.*?</script>'si", // 去掉 javascript
   
2. "'<style[^>]*?>.*?</style>'si",  // 去掉 css
   
3. "'<[/!]*?[^<>]*?>'si",      // 去掉 HTML 标记
   
4. "'<!--[/!]*?[^<>]*?>'si",      // 去掉 注释 标记
   
5. "'([rn])[s]+'",  // 去掉空白字符
   
6. "'&(quot|#34);'i",  // 替换 HTML 实体
   
7. 
   
8. "'&(amp|#38);'i",
   
9. "'&(lt|#60);'i",
   
10. "'&(gt|#62);'i",
    
11. "'&(nbsp|#160);'i",
    
12. "'&(iexcl|#161);'i",
    
13. "'&(cent|#162);'i",
    
14. "'&(pound|#163);'i",
    
15. "'&(copy|#169);'i",
    
16. "'&#(d+);'e");   // 作为 PHP 代码运行
    
17.   
    
18. $replace = array ("",
    
19. "",
    
20. "",
    
21. "",
    
22. "\1",
    
23. "\"",
    
24. "&",
    
25. "<",
    
26. ">",
    
27. " ",
    
28. chr(161),
    
29. chr(162),
    
30. chr(163),
    
31. chr(169),
    
32. "chr(\1)");
    
33. //$document为需要处理字符串，如果来源为文件可以$document = file_get_contents($filename);
    
34. $out = preg_replace($search, $replace, $document);

复制代码

也可以使用php的内置函数strip_tags()清除html,js,注释等标记

以上内容希望对大家有帮助