html 忽略标签,处理HTML块，忽略特定标签内的内容

我想到的第一个解决方案如下所示：

提取所有代码

删除代码，用一个特殊的标记代替它们，不会受到字符串操作的影响 - 该标记必须非常特殊(并且可以验证它不存在于输入字符串中，btw) >

在字符串上执行操作

放回代码，现在有标记

UL>

在代码中，它可能是这样的：

(对不起，这是相当长的 - 我没有包括任何支票;这取决于你添加这些)$str = <<

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Donec sodales lacus et erat accumsan consectetur. Sed lacinia enim vitae erat suscipit fermentum. Quisque lobortis nisi et lacus imperdiet ac malesuada dui imperdiet.

ThIs Is

CoDe 1Donec vestibulum commodo quam rhoncus luctus. Nam vitae ipsum sed nibh dignissim condimentum. Sed ultrices fermentum dapibus. Vivamus mattis nisi nec enim convallis quis aliquet arcu accumsan. Suspendisse potenti. Nullam eget fringilla nunc. Nulla porta justo justo. Nunc consectetur egestas malesuada. Mauris ac nisi ipsum, et accumsan lorem. Quisque interdum accumsan pellentesque. Sed at felis metus. Nulla gravida tincidunt tortor,

AnD cOdE 2

nec aliquam tortor ultricies vel. Integer semper libero eu magna congue eget lacinia purus auctor. Nunc volutpat ultricies feugiat. Nullam id mauris eget ipsum ultricies ullamcorper non vel risus. Proin volutpat volutpat interdum. Nulla orci odio, ornare sit amet ullamcorper non, condimentum sagittis libero.

aNd

CoDe

NuMbEr 3

Ut non justo at neque convallis luctus ultricies amet.

A;

var_dump($str);

// Extract the codes

$matches = array();

preg_match_all('#

(.*?)

#s', $str, $matches);

var_dump($matches);

// Remove the codes

$str_nocode = preg_replace('#

.*?

#s', 'THIS_IS_A_NOCODE_MARKER', $str);

var_dump($str_nocode);

// Do whaterver you want with $str_nocode

$str_nocode = strtoupper($str_nocode);

var_dump($str_nocode);

// And put back the codes :

$str_codes = $str_nocode;

foreach ($matches[0] as $code) {

$str_codes = preg_replace('#THIS_IS_A_NOCODE_MARKER#', $code, $str_codes, 1);

}

var_dump($str_codes);我尝试过：

代码在一行上，

两行代码

和多行代码

UL>

注意：你应该比我更真实地测试 - 但这可能会给你第一个想法...

希望这可以帮助 ：-)

作为一个方面说明：通常，用正则表达式解析HTML被认为是不好的做法，并且经常导致麻烦......也许使用像DOMDocument::loadHTML这样的东西可能是一个值得看一看的想法？