preg_replace刪除空標籤，但保留塊引號的結尾

Question

我做了這個表達式來刪除頁面中的所有空白（包括只有空格的標籤）標籤。

$content = preg_replace('/<[^\/>]*>([\s]?)*<\/[^>]*>/', '', $content); 

它的工作一種享受，直到它不得不面對這樣的內容...

<blockquote> 
<p >foo bar</p> 
</blockquote> 
<p ><a href="image.jpg" rel="lightbox" title=""><img title="image" src="image.jpg" /></a><br /></p> 

而且將其作爲...

<blockquote> 
<p >this is a test for the pluggin</p> 
<p ><a href="image.jpg" rel="lightbox" title=""><img title="image" src="image.jpg" /></a><br /></p> 

從而去除</blockquote>。

我一直在抓我的頭在這一個，不能得到它的工作。任何人都可以看到明確的解決方案，而不是指定應該格式化的標籤嗎我也應該說，它正在格式化wordpress文章中的'the_content'。

Answer 1

正則表達式和HTML不是很好的匹配，因爲HTML不是常規語法，並且沒有邊緣情況和陷阱。您最好使用HTML解析器（如this one）並檢查/操作DOM對象。

Answer 2

如果您發現它沒有獲取所有標記，您可能還想看看比Simple HTML Dom更高級的HTML Purifier。