
平台论坛博客文库

› 论坛 › 程序设计 › PHP › [正则]html字串过滤问题

[正则]html字串过滤问题 [复制链接]

xuefengal

白手起家

论坛徽章:: 0

电梯直达

1楼 [收藏(0)] [报告]

发表于 2005-11-26 14:40 |只看该作者 |倒序浏览

假设有一html字串

<a href="http://www.baidu.com" alt="baidu search" target="_blank">baidu.com</a>
asdfdfasdfasdf
afasdfasdfasd

要将<a>标记只保留href和target属性
将标记只保留align属性
将标记只保留color属性

字串的内容并不限于此格式，可能还有很多其它的格式，如
<a target=_parent style="font-color:#cccccc;" href='http://www.baidu.com' alt='baidu'>baidu</a>

替换后的内容如下
<a href="http://www.baidu.com" target="_blank">baidu.com</a>
asdfdfasdfasdf
afasdfasdfasd

请大家给个思路或相关解决代码,谢谢.

文库|博客

wobushiwo

丰衣足食

论坛徽章:: 0

2楼 [报告]

发表于 2005-11-26 15:22 |只看该作者

$str = <<<HTML
<a href="http://www.baidu.com" alt="baidu search" target="_blank">baidu.com</a>
asdfdfasdfasdf
afasdfasdfasd
HTML;
$strResult = preg_replace("/<a href=([^ ]*)(.*)( target=[^ ]*)>(.*)<\/a>/i",'<a href=\1\3>\4</a>',$str);
$strResult = preg_replace("/<p(.*)( align=([^ ]*))(.*)>(.*)<\/p>/i",'<p\2>\5',$strResult);
$strResult = preg_replace("/<font(.*)( color=([^ ]*))(.*)>(.*)<\/font>/i",'<font\2>\5',$strResult);

复制代码

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

xuefengal

白手起家

论坛徽章:: 0

3楼 [报告]

发表于 2005-11-26 16:42 |只看该作者

谢谢楼上的代码,代码运行是正常的，可以解决上面固定格式字串的，但有的时候字串的格式变了就不行，通用性还有点不好

如：<a alt="baidu search" href="http://www.baidu.com" target="_blank">baidu.com</a>
的时候就没过滤alt属性

怎么写个通用的呢

HonestQiao

版主

论坛徽章:: 1

4楼 [报告]

发表于 2005-11-27 15:01 |只看该作者

http://bbs.chinaunix.net/viewthread.php?tid=642112

可以参考这个做href的部分

其他的类比进行做。

你这个要求太复杂了，不专门处理做不好。

xuefengal

白手起家

论坛徽章:: 0

5楼 [报告]

发表于 2005-11-28 10:09 |只看该作者

唉，这个问题很想了一会，昨天晚上吃饭的时候想到一个办法：

1>传递一个参数给要过滤的函数
2>过滤函数根据要保留的标记属性来preg_replace,把要保留的属性
　移位到前面去
3>再进行preg_replace替换,这样有多个保留属性的时候就不会出乱

这是饭后写的一点代码，估计还不是很完善，我觉得也没什么效率可言，只不过是能满足我的要求

<?php
/*****************************************
* 原文件名：HtmlFilter.php
* 文件说明：过滤HTML字串
* 文件编写：xuefengal@sohu.com
****************************************/
$str = <<< HTML
<A style="asdf" href="http://www.google.com" target="_blank" alt="Google">Google搜索</A>
<A href="http://www.google.com" target="_blank" alt="Google" style="asdf">Google搜索</A>
<A target="_blank" href="http://www.google.com" style="asdf" alt="Google">Google搜索</A>
abc
abc
测试
测试
测试
<div align="left">asdfadfadf</div>
HTML;
//过滤换前
disp($str,'原字串');
$debug = 0;
//过滤
filter('a','href,target',$str,$debug);
filter('p','align',$str,$debug);
filter('font','color',$str,$debug);
filter('div','align',$str,$debug);
//过滤后
disp($str,'替换后的字串');
/**
* 函数功能：过滤HTML标记
* 参数说明：
* $flag:为要过滤的标记,如
* a,p代表<a xxx>xxx</a>,xxx
*
* $arr:为要保留的属性,参数可以如下形式
* href
* array('href','target')
* href,target,alt
*
* $str:要过滤的字串
* $debug:是否显示配置信息
*
* 运行流程：首先判断传递进来的$arr参数是字串还是数组,
* 是字串的时候构建成数组的形式,然后foreach
* 该数组(其实可以不用这样,但懒得复制代码,就
* 转换成数组了),将要保留属性逐位移动到<a 的
* 后面,同时保存此属性的替换正则,完成所有循环
* 后再进行一次全替换,替换完后补全相关标记的
* 格式,如<a及后面的>title</a>.即完成
*/
function filter($flag,$arr,&$str,$debug = False) {
echo("<hr><h3>过滤 $flag 标记</h3><hr> ");
//保存最后执行一次性替换的正则
$final_reg = "";
//保存最后要保留的属性值的正则
$hold_val = '';
if(!is_array($arr)) {
//没有传递数组进来时判断参数是否包含,号
if(strpos($arr,',')) {
//包含,号时,切分参数串为数组
$arr = explode(',',$arr);
}else {
//纯字串,构造数组
$arr = array($arr);
}
}
//循环替换
if(is_array($arr)) {
foreach($arr as $key=>$val) {
//逐个将属性提前,如下
//原匹配部分:<a alt="xxx" href=xxx.htm>xxxxx</a>
//要保留属性:href
//提前该属性位置后的匹配内容如下:
// <a href=xxx.htm alt="xxx">xxxxx</a>
$reg = "/(<$flag)(.*)( $val=([^ ]*))(.*)(>)(.*)(<\/$flag>)/i";
//调试信息
disp($reg,'匹配['.$val.']属性的正则',$debug);
preg_match_all($reg,$str,$out);
disp(print_r($out,true),'匹配['.$val.']结果',$debug);
//将此保留属性位置移到<a的最前面
$str = preg_replace($reg,'\1\3\2\5\6\7\8',$str);
//调试信息
disp($str,'移位['.$val.']属性后的字串',$debug);
//保存此正则
$final_reg = "( $val=([^ ]*))".$final_reg;
//保存保留部分,此部分是跟据$final_reg的正则"( $val=([^ ]*))"而来
$hold_val = '\\'.(($key+1)*2).$hold_val;
}
//构成最后替换的正则
$final_reg = "/(<$flag)".$final_reg."(.*)(>)(.*)(<\/$flag>)/i";
//调试信息
disp($final_reg,'最后一次性替换['.$flag.']标记的正则',$debug);
preg_match($final_reg,$str,$out);
disp(print_r($out,true),'匹配['.$flag.']属性部分',$debug);
//计算最后>xxxx</a>部分,一个标记可能有很多属性,所以就用
//count($out)的值来取$out的最后三个$key,构成正则部分
$cnt = count($out);
$hold_val .= '\\'.($cnt-3).'\\'.($cnt-2).'\\'.($cnt-1);
//在保存正则前加上前面已保留匹配的部分
$hold_val = '\1'.$hold_val;
//现在保留部分正则已形成如下格式
//\1\3\5\7\8\9
//调试信息
disp('preg_replace("'.$final_reg.'",\''.$hold_val.'\',$str);','替换['.$flag.']标记的正则',True);
//最后过滤
$str = preg_replace($final_reg,$hold_val,$str);
//调试信息
disp($str,'最后替换['.$flag.']标记的结果',$debug);
}
}
/**
* 显示字串内容
*/
function disp($str,$title='',$debug = True) {
if($debug) {
//根据要显示字串的行数来设定txtarea的rows
$txtRows = count(explode("\n",$str));
echo($title.': <TEXTAREA NAME="txt" ROWS="'.$txtRows.'" COLS="130">'.$str.'</TEXTAREA> ');
}
}
?>

复制代码

HonestQiao

版主

论坛徽章:: 1

6楼 [报告]

发表于 2005-11-28 10:16 |只看该作者

建议你看这个：

http://w.yi.org/ftp/FAPM/PHP/php ... preg-match-all.html

先获取属性列表，然后分析。

xuefengal

白手起家

论坛徽章:: 0

7楼 [报告]

发表于 2005-11-28 10:18 |只看该作者

原字串: <TEXTAREA NAME="txt" ROWS="9" COLS="130">
<A style="asdf" href="http://www.google.com" target="_blank" alt="Google">Google搜索</A>
<A href="http://www.google.com" target="_blank" alt="Google" style="asdf">Google搜索</A>
<A target="_blank" href="http://www.google.com" style="asdf" alt="Google">Google搜索</A>
abc
abc
测试
测试
测试
<div align="left">asdfadfadf</div></TEXTAREA>

复制代码

//过滤
//a 标记只保留href,target属性
//p 标记只保留align属性
//font 标记保留color属性
//div 标记保留align属性
filter('a',array('href','target'),$str,$debug);
filter('p','align',$str,$debug);
filter('font','color',$str,$debug);
filter('div','align',$str,$debug);

复制代码

替换后的字串: <TEXTAREA NAME="txt" ROWS="9" COLS="130">
<A href="http://www.google.com" target="_blank">Google搜索</A>
<A href="http://www.google.com" target="_blank">Google搜索</A>
<A href="http://www.google.com" target="_blank">Google搜索</A>
abc
abc
测试
测试
测试
<div align="left">asdfadfadf</div></TEXTAREA>

复制代码

xuefengal

白手起家

论坛徽章:: 0

8楼 [报告]

发表于 2005-11-28 10:19 |只看该作者

原帖由 HonestQiao 于 2005-11-28 10:16 发表
建议你看这个：

http://w.yi.org/ftp/FAPM/PHP/php ... preg-match-all.html

先获取属性列表，然后分析。

嗯，我是用preg_match_all分析的，上面那代码可以直接运行，可以看到分析效果

xuefengal

白手起家

论坛徽章:: 0

9楼 [报告]

发表于 2005-11-29 09:48 |只看该作者

修正了当属性字串中包含有空格时的问题,如
alt="Google Seach"　时截取为alt="Google了

<?php
/********************************************************************
* 原文件名：Filter1.php
* 文件说明：过滤HTML字串
* 文件编写：xuefengal@sohu.com
* 流程说明：
* 当附合要求的参数传递进filter函数后,filter()函数首先
* 把要字串中所有要过滤的标签$tag通过preg_match_all()
* 取出来,然后循环preg_match_all的匹配数组,通过preg_split()
* 函数分割每个标签为 "左边属性" = "右边值"的形式,再从要保
* 留的属性数组中循环,将preg_split()匹配的内容对应取出,构成
* 可以替换的值,后最通过str_replcae()替换掉字串中相应的标签
* 函数列表：
* function filter(&$str,$tag,$keep_attribute)
* function match($reg,&$str,$arr)
* function show($str,$title='',$debug = True)
* 使用示例：
* //取得搜狐新闻首页
* $str = @file_get_content("http://news.sohu.com");
* //过滤
* filter($str,'a','href,target,alt');
* filter($str,'p','align');
* show($str,'过滤后的内容');
********************************************************************/
$start_time = array_sum(explode(" ",microtime()));
$str = <<< HTML
<A style="a" target=_blank href='http://www.a.com' xxx=xadsfa alt="a a a" style="aa">site a</A>
<A alt='b b b' xxx=xadsfa target=_blank href='http://www.b.com' style="b" style="bb">site b</A>
<A xxx=xadsfa style="c" href='http://www.c.com' target=_blank alt=c c c style="cc">site c</A>
<A style="d" href='http://www.d.com' xxx=xadsfa alt=d d d target=_blank style="dd">site d</A>
<A target=_blank style="e" xxx=xadsfa style="ee" alt=e e e href='http://www.e.com'>site e</A>
adasdfasdf
asdfasdfasdfasdf
asdfasdfasdf
asdfadsfasdf
asdfasdfadf
asdfasdf
HTML;
//显示原字串
show($str,'Html');
//过滤
filter($str,'a','href,target,alt');
filter($str,'p','align');
filter($str,'font','color,alt');
//显示过滤后的内容
show($str,'Result');
//脚本运行时间
$run_time = array_sum(explode(" ",microtime())) - $start_time;
echo('<center>Script Run Time: '.$run_time.'</center>');
/**
* 说明：过滤HTML字串
* 参数：
* $str : 要过滤的HTML字串
* $tag : 过滤的标签类型
* $keep_attribute :
* 要保留的属性,此参数形式可为
* href
* href,target,alt
* array('href','target','alt')
*/
function filter(&$str,$tag,$keep_attribute) {
//检查要保留的属性的参数传递方式
if(!is_array($keep_attribute)) {
//没有传递数组进来时判断参数是否包含,号
if(strpos($keep_attribute,',')) {
//包含,号时,切分参数串为数组
$keep_attribute = explode(',',$keep_attribute);
}else {
//纯字串,构造数组
$keep_attribute = array($keep_attribute);
}
}
echo("·过滤[$tag]标签,保留属性:".implode(',',$keep_attribute).' ');
//取得所有要处理的标记
$pattern = "/<$tag(.*)<\/$tag>/i";
preg_match_all($pattern,$str,$out);
//循环处理每个标记
foreach($out[1] as $key => $val) {
//取得a标记中有几个=
$cnt = preg_split('/ *=/i',$val);
$cnt = count($cnt) -1;
//构造匹配正则
$pattern = '';
for($i=1; $i<=$cnt; $i++) {
$pattern .= '( .*=.*)';
}
//完成正则表达式形成,如/(<a)( .*=.*)( .*=.*)(>.*<\/a>/i的样式
$pattern = "/(<$tag)$pattern(>.*<\/$tag>)/i";
//取得保留属性
$replacement = match($pattern,$out[0][$key],$keep_attribute);
//替换
$str = str_replace($out[0][$key],$replacement,$str);
}
}
/**
* 说明：构造标签,保留要保留的属性
* 参数：$reg : pattern,preg_match的表达式
* $str : string,html字串
* $arr : array,要保留的属性
* 返回：
* 返回经保留处理后的标签,如
* <A href='http://www.e.com' target=_blank alt=e e e>e.com</A>
*/
function match($reg,&$str,$arr) {
//match
preg_match($reg,$str,$out);
//取出保留的属性
$keep_attribute = '';
foreach($arr as $k1=>$v1) {
//定义的要保留的属性的数组
foreach($out as $k2=>$v2) {
//匹配=后的数组
$attribute = trim(substr($v2,0,strpos($v2,'=')));
//=前面的
if($v1 == $attribute) {
//要保留的属性和匹配的值的=前的部分相同
$keep_attribute .= $v2;
//保存此匹配部分的值
}
}
}
//构造返回值,结构如:<a href=xxx target=xxx class=xxx>aadd</a>
$keep_attribute = $out[1].$keep_attribute.($out[count($out)-1]);
//返回值
Return $keep_attribute;
}
/**
* 显示字串内容
*/
function show($str,$title='',$debug = True) {
if($debug) {
if(is_array($str)) {
$str = print_r($str,True);
}
$txtRows = count(explode("\n",$str))+1;
echo($title.': <TEXTAREA NAME="txt" ROWS="'.$txtRows.'" COLS="130">'.$str.'</TEXTAREA> ');
}
}
?>

复制代码

运行结果

原字串：

<A style="a" target=_blank href='http://www.a.com' xxx=xadsfa alt="a a a" style="aa">site a</A>
<A alt='b b b' xxx=xadsfa target=_blank href='http://www.b.com' style="b" style="bb">site b</A>
<A xxx=xadsfa style="c" href='http://www.c.com' target=_blank alt=c c c style="cc">site c</A>
<A style="d" href='http://www.d.com' xxx=xadsfa alt=d d d target=_blank style="dd">site d</A>
<A target=_blank style="e" xxx=xadsfa style="ee" alt=e e e href='http://www.e.com'>site e</A>
adasdfasdf
asdfasdfasdfasdf
asdfasdfasdf
asdfadsfasdf
asdfasdfadf
asdfasdf

复制代码

·过滤[a]标签,保留属性:href,target,alt
·过滤[p]标签,保留属性:align
·过滤[font]标签,保留属性:color,alt

<A href='http://www.a.com' target=_blank alt="a a a">site a</A>
<A href='http://www.b.com' target=_blank alt='b b b'>site b</A>
<A href='http://www.c.com' target=_blank alt=c c c>site c</A>
<A href='http://www.d.com' target=_blank alt=d d d>site d</A>
<A href='http://www.e.com' target=_blank alt=e e e>site e</A>
adasdfasdf
asdfasdfasdfasdf
asdfasdfasdf
asdfadsfasdf
asdfasdfadf
asdfasdf

复制代码

返回列表

Chinaunix › 论坛 › 程序设计 › PHP › [正则]html字串过滤问题

[正则]html字串过滤问题 [复制链接]

浏览过的版块