php 正则过滤xml标签,php正则表达式过滤html标签属性

采集的时候有时候需要过滤掉多余的标签属性，比如 img标签过滤掉除了src属性之外的所有属性例如删除titile alt等属性以及一些脚的onclick属性等。

例如过滤除了src之外的所有属性

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

上面的实例代码是过滤掉除了src属性外的所有标签属性

过滤设置过滤除了alt和src之外的所有属性，代码如下：

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

过滤所有html标签的属性的正则表达式：

$str = preg_replace("/]*>/i","",$str );

只过滤alt属性的正则表达式：

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

过滤所有html标签的属性的正则表达式

$search = array ("''si",  // 去掉 javascript

"']*?>'si",          // 去掉 HTML 标记

"'([\r\n])[\s] '",                // 去掉空白字符

"'&(quot|#34);'i",                // 替换 HTML 实体

"'&(amp|#38);'i",

"'&(lt|#60);'i",

"'&(gt|#62);'i",

"'&(nbsp|#160);'i"

);                    // 作为 PHP 代码运行

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

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