Deze functie verandert niets aan de kenmerken van tags die zijn opgegeven in het argument allowable_tags, inclusief stijl en onmouseover.

Vanaf PHP 5.0.0 is strip_tags() veilig om gegevens in binaire vorm te verwerken.

Deze functie heeft een belangrijk nadeel: het lijmt woorden aan elkaar bij het verwijderen van tags. Bovendien kent de functie kwetsbaarheden. Een alternatieve functie vergelijkbaar met strip_tags:

Zie ook functiebeschrijving

Absoluut iedereen wordt geconfronteerd met de taak om HTML te ontdoen van onnodige tags.

Het eerste dat in je opkomt is het gebruik van de strip_tags() php-functie:
string strip_tags (string str [, string toegestane_tags])

De functie retourneert een tekenreeks zonder tags. Tags die niet hoeven te worden verwijderd, worden doorgegeven als het argument allowable_tags. De functie werkt, maar is op zijn zachtst gezegd niet ideaal. Onderweg wordt er niet gecontroleerd op de geldigheid van de code, wat ertoe kan leiden dat tekst wordt verwijderd die niet in de tags is opgenomen.
Proactieve ontwikkelaars hebben niet stilgezeten; verbeterde functies zijn online te vinden. Een goed voorbeeld is strip_tags_smart.

Het wel of niet gebruiken van kant-en-klare oplossingen is de persoonlijke keuze van de programmeur. Het gebeurt zo dat ik meestal geen "universele" handler nodig heb en dat het handiger is om de code op te schonen met reguliere expressies.

Wat bepaalt de keuze voor de ene of de andere verwerkingsmethode?

1. Van het bronmateriaal en de complexiteit van de analyse ervan.
Als je vrij eenvoudige HTML-teksten moet verwerken, zonder enige fancy lay-out, helder als de dag :), dan kun je standaardfuncties gebruiken.
Als de teksten bepaalde kenmerken hebben waarmee rekening moet worden gehouden, worden speciale handlers geschreven. Sommigen gebruiken eenvoudigweg str_replace . Bijvoorbeeld:

$s = array("â€" => "'", // Rechter-apostrof (bijvoorbeeld in I"m)
"“" => "“", // Openingstekst
"–" => "—", // Lang streepje
"â€" => "”", // Afsluitende toespraakmarkering
"Ã " => "é", // e acuut accent
Chr(226) . Chr(128) . chr(153) => "’", // Opnieuw apostrof naar rechts
Chr(226) . Chr(128) . chr(147) => "—", // Opnieuw een lang streepje
Chr(226) . Chr(128) . chr(156) => "“", // Openingstekst
Chr(226) . Chr(128) . chr(148) => "—", // Opnieuw M-streepje
Chr(226) . chr(128) => "”", // Rechter spraakteken
chr(195) . chr(169) => "é", // opnieuw acuut
);

foreach ($s als $needle => $replace)
{
$htmlText = str_replace($needle, $replace, $htmlText);
}

Anderen kunnen gebaseerd zijn op reguliere expressies. Als voorbeeld:

Functie getTextFromHTML($htmlText)
{
$search = array (""]*?>.*?"si", // JavaScript verwijderen
""]*?>.*?"si", // Stijlen verwijderen
""]*?>.*?"si", // XML-tags verwijderen
"""si", // HTML-tags verwijderen
""([\r\n])[\s] "", // Verwijder spaties
""&(quot|#34);"i", // Vervang speciale HTML-tekens
"&(amp|#38);"i",
"&(lt|#60);"i",
""&(gt|#62);"i",
"&(nbsp|#160);"i",
"&(iexcl|#161);"i",
"&(cent|#162);"i",
"&(pond|#163);"i",
"&(kopie|#169);"i",
""(\d);"e"); // schrijf als php

$replace = array("",
"",
"",
"",
"\\1",
"\"",
"&",
"",
" ",
Chr(161),
Chr(162),
Chr(163),
Chr(169),
"chr(\\1)");

Return preg_replace($search, $replace, $htmlText);
}
(Op zulke momenten is de mogelijkheid van preg_replace om met arrays als parameters te werken prettiger dan ooit). Indien nodig vul je het aanbod aan met je eigen vaste klanten. Deze reguliere expressie-constructor kan u bijvoorbeeld helpen bij het samenstellen ervan. Beginnende ontwikkelaars kunnen het artikel "Alles over HTML-tags. 9 reguliere expressies om HTML-tags te verwijderen" nuttig vinden. Kijk naar de voorbeelden daar, analyseer de logica.

2. Van volumes.
Volumes houden rechtstreeks verband met de complexiteit van de analyse (uit de vorige paragraaf). Een groot aantal teksten vergroot de kans dat u, terwijl u alles op een regelmatige manier probeert te plannen en op te ruimen, iets mist. In dit geval is de “meerfasige” reinigingsmethode geschikt. Dat wil zeggen: maak het eerst schoon, bijvoorbeeld met de functie strip_tags_smart (we verwijderen de broncode niet, voor het geval dat). Vervolgens beoordelen we selectief een bepaald aantal teksten om “afwijkingen” te identificeren. Welnu, we ‘ruimen’ de afwijkingen op met reguliere regels.

3. Van wat als resultaat moet worden verkregen.
Het verwerkingsalgoritme kan afhankelijk van de situatie op verschillende manieren worden vereenvoudigd. Het geval dat ik in een van mijn vorige artikelen heb beschreven, laat dit goed zien. Ik wil u eraan herinneren dat de tekst daar in een div stond, waarin daarnaast ook een div met "broodkruimels", een Adsense-advertentie en een lijst met soortgelijke artikelen stond. Bij het analyseren van een steekproef van artikelen werd ontdekt dat de artikelen geen afbeeldingen bevatten en eenvoudigweg in paragrafen waren verdeeld met behulp van . Om de “hoofd” div niet te verwijderen van overbodige zaken, kun je alle paragrafen vinden (met Simple HTML DOM Parser is dit heel eenvoudig) en hun inhoud combineren. Dus voordat je een regelmatige schoonmaakroutine gaat bedenken, kijk of je met een beetje bloed rond kunt komen.

Over het algemeen laaien er op internet echte vuurgevechten op tussen voorstanders van het parseren van HTML-code, puur gebaseerd op reguliere expressies, en het parseren, dat is gebaseerd op de analyse van de DOM-structuur van een document. Bijvoorbeeld bij overloop. Onschuldig op het eerste gezicht

Wanneer u via hetzelfde programma gegevens van gebruikers ontvangt, is het zinvol om de door hen verzonden gegevens te verwerken en pure tekst als uitvoer te ontvangen.

Ik zal je nu vertellen hoe dit op verschillende manieren kan worden gedaan.

Er is een functie in PHP genaamd "strip_tags". Hiermee kunt u snel en eenvoudig alle HTML-tags uit een variabele verwijderen.

Uitvoering:

In dit geval slaan we de tags op

EN . Tags met een afsluitende tag hoeven bij het opslaan niet te worden opgegeven.

Houd er rekening mee dat de functie de HTML-opmaak niet controleert op geldigheid, en als er niet-gesloten tags zijn, loopt u het risico platte tekst kwijt te raken.

We zullen onze eigen kleine functie in JavaScript schrijven, waarmee we vervolgens de ontvangen gegevens zullen verwerken.

Uitvoering:

function strip(html) ( var tmp = document.createElement("div"); tmp.innerHTML = html; return tmp.textContent || tmp.innerText; ) var content = strip("Hallo wereld!");

Dit voorbeeld werkt op een specifieke gegeven variabele, maar u kunt deze opnieuw maken zodat deze past bij de ontvangen inhoud, bijvoorbeeld uit het invoerveld.