過濾html標簽在php中可以有內置的函數了，但它過濾的太干淨了，我們就整理了一下些利用正則來過濾指定html標簽的例子，具體如下所示。
采集的時候有時候需要過濾掉多余的標簽屬性，比如 img標簽過濾掉除了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
過濾除了src之外的所有屬性:
復制代碼 代碼如下:
$str= preg_replace('/\s(?!src)[a-zA-Z]+=[\'\"]{1}[^\'\"]+[\'\"]{1}/iu',' $str);
上面的實例代碼是過濾掉除了src屬性外的所有標簽屬性.
過濾設置過濾除了alt和src之外的所有屬性
代碼如下:
復制代碼 代碼如下:
$str = preg_replace('/\s(?!(src|alt))[a-zA-Z]+=[^\s]*/iu',' ', $str);
過濾所有html標簽的屬性的正則表達式:
復制代碼 代碼如下:
$str = preg_replace("/<([a-z]+)[^>]*>/i","",$str );
只過濾alt屬性的正則表達式:
復制代碼 代碼如下:
(\s)alt=[^\s]*
過濾所有html標簽的屬性的正則表達式:
復制代碼 代碼如下:
$search = array ("'<script[^>]*?>.*?</script>'si", // 去掉 javascript
"'<[\/\!]*?[^<>]*?>'si", // 去掉 HTML 標記
"'([\r\n])[\s]+'", // 去掉空白字符
"'&(quot|#34);'i", // 替換 HTML 實體
"'&(amp|#38);'i",
"'&(lt|#60);'i",
"'&(gt|#62);'i",
"'&(nbsp|#160);'i"
); // 作為 PHP 代碼運行
$replace = array ("","","\\1","\"","&","<",">"," ");
$html = preg_replace($search, $replace, $html);
