過(guò)濾html標(biāo)簽在php中可以有內(nèi)置的函數(shù)了，但它過(guò)濾的太干凈了，我們就整理了一下些利用正則來(lái)過(guò)濾指定html標(biāo)簽的例子，具體如下所示。

采集的時(shí)候有時(shí)候需要過(guò)濾掉多余的標(biāo)簽屬性，比如 img標(biāo)簽過(guò)濾掉除了src屬性之外的所有屬性例如刪除titile alt等屬性以及一些腳的onclick屬性等。

例如

過(guò)濾除了src之外的所有屬性:

代碼如下:

$str= preg_replace('/\s(?!src)[a-zA-Z]+=[\'\"]{1}[^\'\"]+[\'\"]{1}/iu',' $str); 

上面的實(shí)例代碼是過(guò)濾掉除了src屬性外的所有標(biāo)簽屬性.

過(guò)濾設(shè)置過(guò)濾除了alt和src之外的所有屬性

代碼如下:

代碼如下:

$str = preg_replace('/\s(?!(src|alt))[a-zA-Z]+=[^\s]*/iu',' ', $str); 

過(guò)濾所有html標(biāo)簽的屬性的正則表達(dá)式:

代碼如下:

$str = preg_replace("/<([a-z]+)[^>]*>/i","",$str ); 

只過(guò)濾alt屬性的正則表達(dá)式:

代碼如下:

(\s)alt=[^\s]* 

過(guò)濾所有html標(biāo)簽的屬性的正則表達(dá)式:

代碼如下:

$search = array ("'<script[^>]*?>.*?</script>'si", // 去掉 javascript 

"'<[\/\!]*?[^<>]*?>'si", // 去掉 HTML 標(biāo)記 

"'([\r\n])[\s]+'", // 去掉空白字符 

"'&(quot|#34);'i", // 替換 HTML 實(shí)體 

"'&(amp|#38);'i", 

"'&(lt|#60);'i", 

"'&(gt|#62);'i", 

"'&(nbsp|#160);'i" 

); // 作為 PHP 代碼運(yùn)行 

$replace = array ("","","\\1","\"","&","<",">"," "); 

$html = preg_replace($search, $replace, $html);