这篇文章主要介绍了php过滤HTML标签、属性等正则表达式汇总,本文使用代码实例给出了过滤HTML内容的正则表达式,具体说明请参阅代码中的注释,本文对使用PHP做采集的朋友有比较大的作用,需要的朋友可以参考下

1. $str=preg_replace("/\s+/", " ", $str); //过滤多余回车
2. $str=preg_replace("/<[ ]+/si","<",$str); //过滤<__("<"号后面带空格)
3. $str=preg_replace("/<\!--.*?-->/si","",$str); //注释
4. $str=preg_replace("/<(\!.*?)>/si","",$str); //过滤DOCTYPE
5. $str=preg_replace("/<(\/?html.*?)>/si","",$str); //过滤html标签
6. $str=preg_replace("/<(\/?head.*?)>/si","",$str); //过滤head标签
7. $str=preg_replace("/<(\/?meta.*?)>/si","",$str); //过滤meta标签
8. $str=preg_replace("/<(\/?body.*?)>/si","",$str); //过滤body标签
9. $str=preg_replace("/<(\/?link.*?)>/si","",$str); //过滤link标签
10. $str=preg_replace("/<(\/?form.*?)>/si","",$str); //过滤form标签
11. $str=preg_replace("/cookie/si","COOKIE",$str); //过滤COOKIE标签
12. $str=preg_replace("/<(applet.*?)>(.*?)<(\/applet.*?)>/si","",$str); //过滤applet标签
13. $str=preg_replace("/<(\/?applet.*?)>/si","",$str); //过滤applet标签
14. $str=preg_replace("/<(style.*?)>(.*?)<(\/style.*?)>/si","",$str); //过滤style标签
15. $str=preg_replace("/<(\/?style.*?)>/si","",$str); //过滤style标签
16. $str=preg_replace("/<(title.*?)>(.*?)<(\/title.*?)>/si","",$str); //过滤title标签
17. $str=preg_replace("/<(\/?title.*?)>/si","",$str); //过滤title标签
18. $str=preg_replace("/<(object.*?)>(.*?)<(\/object.*?)>/si","",$str); //过滤object标签
19. $str=preg_replace("/<(\/?objec.*?)>/si","",$str); //过滤object标签
20. $str=preg_replace("/<(noframes.*?)>(.*?)<(\/noframes.*?)>/si","",$str); //过滤noframes标签
21. $str=preg_replace("/<(\/?noframes.*?)>/si","",$str); //过滤noframes标签
22. $str=preg_replace("/<(i?frame.*?)>(.*?)<(\/i?frame.*?)>/si","",$str); //过滤frame标签
23. $str=preg_replace("/<(\/?i?frame.*?)>/si","",$str); //过滤frame标签
24. $str=preg_replace("/<(script.*?)>(.*?)<(\/script.*?)>/si","",$str); //过滤script标签
25. $str=preg_replace("/<(\/?script.*?)>/si","",$str); //过滤script标签
26. $str=preg_replace("/javascript/si","Javascript",$str); //过滤script标签
27. $str=preg_replace("/vbscript/si","Vbscript",$str); //过滤script标签
28. $str=preg_replace("/on([a-z]+)\s*=/si","On\\1=",$str); //过滤script标签
29. $str=preg_replace("/&#/si","&＃",$str); //过滤script标签，如javAsCript:alert(
30. 清除空格，换行
31. function DeleteHtml($str)
32. {
33. $str = trim($str);
34. $str = strip_tags($str,"");
35. $str = ereg_replace("\t","",$str);
36. $str = ereg_replace("\r\n","",$str);
37. $str = ereg_replace("\r","",$str);
38. $str = ereg_replace("\n","",$str);
39. $str = ereg_replace(" "," ",$str);
40. return trim($str);
41. }

过滤HTML属性

1，过滤所有html标签的正则表达式：

</?[^>]+>

过滤所有html标签的属性的正则表达式：

$html = preg_replace("/<([a-zA-Z]+)[^>]*>/","<\\1>",$html);

3，过滤部分html标签的正则表达式的排除式（比如排除<p>，即不过滤<p>）：

</?[^pP/>]+>

4，过滤部分html标签的正则表达式的枚举式（比如需要过滤<a><p><b>等）：

</?[aApPbB][^>]*>

5，过滤部分html标签的属性的正则表达式的排除式（比如排除alt属性，即不过滤alt属性）：

\s(?!alt)[a-zA-Z]+=[^\s]*

6，过滤部分html标签的属性的正则表达式的枚举式（比如alt属性）：

(\s)alt=[^\s]*