有时候我们需要提取页面里指定的字符串,这个时候需要去除页面中所有的HTML标签,js代码,CSS样式,只保留文字。下面青岛星网跟大家分享:PHP去除页面除文字以外所有内容。
PHP代码如下
$search = array ("'<script[^>]*?>.*?</script>'si", // 去掉 javascript "'<style[^>]*?>.*?</style>'si", // 去掉 css "'<[/!]*?[^<>]*?>'si", // 去掉 HTML 标记 "'<!--[/!]*?[^<>]*?>'si", // 去掉 注释标记 "'([rn])[s]+'", // 去掉空白字符 "'&(quot|#34);'i", // 替换 HTML 实体 "'&(amp|#38);'i", "'&(lt|#60);'i", "'&(gt|#62);'i", "'&(nbsp|#160);'i", "'&(iexcl|#161);'i", "'&(cent|#162);'i", "'&(pound|#163);'i", "'&(copy|#169);'i", "'&#(d+);'e"); // 作为 PHP 代码运行 $replace = array ("", "", "", "", "\1", "\"", "&", "<", ">", " ", chr(161), chr(162), chr(163), chr(169), "chr(\1)"); //$document为需要处理字符串,如果来源为文件可以$document = file_get_contents('http://www.sina.com.cn'); $out = preg_replace($search, $replace, $document); echo $out;