Php 如何删除html特殊字符？

我正在为我的应用程序创建一个RSS提要文件，我想在其中删除HTML标记，这是通过

strip\u tags

完成的。但是

strip_标记

没有删除HTML特殊代码字符：

  & © 

等等

请告诉我可以用来从字符串中删除这些特殊代码字符的函数。

用于转换HTML实体

---

您需要设置字符集以使其正常工作。

您可能需要查看htmlEntity（）和html\u entity\u decode（）

$orig=“我现在就去遛狗”；
$a=htmlentities（$orig）；
$b=html_实体_解码（$a）；
回声$a；//我现在“走”b日志/b
回声$b；//我现在就去遛狗

使用

html\u entity\u decode

对其进行解码，或使用

preg\u replace

将其删除：

$Content = preg_replace("/&#?[a-z0-9]+;/i","",$Content); 

（来自）

编辑：根据Jacco的评论选择

将“+”替换为 {2,8}什么的。这将限制 替换整个系统的机会 使用未编码的“&”时的句子 现在

---

无需使用preg regex引擎即可完成此操作的简单方法：

function remEntities($str) {
  if(substr_count($str, '&') && substr_count($str, ';')) {
    // Find amper
    $amp_pos = strpos($str, '&');
    //Find the ;
    $semi_pos = strpos($str, ';');
    // Only if the ; is after the &
    if($semi_pos > $amp_pos) {
      //is a HTML entity, try to remove
      $tmp = substr($str, 0, $amp_pos);
      $tmp = $tmp. substr($str, $semi_pos + 1, strlen($str));
      $str = $tmp;
      //Has another entity in it?
      if(substr_count($str, '&') && substr_count($str, ';'))
        $str = remEntities($tmp);
    }
  }
  return $str;
}

---

看起来你真正想要的是：

function xmlEntities($string) {
    $translationTable = get_html_translation_table(HTML_ENTITIES, ENT_QUOTES);

    foreach ($translationTable as $char => $entity) {
        $from[] = $entity;
        $to[] = '&#'.ord($char).';';
    }
    return str_replace($from, $to, $string);
}

它将命名实体替换为它们的等效数字。

<?php
function strip_only($str, $tags, $stripContent = false) {
    $content = '';
    if(!is_array($tags)) {
        $tags = (strpos($str, '>') !== false
                 ? explode('>', str_replace('<', '', $tags))
                 : array($tags));
        if(end($tags) == '') array_pop($tags);
    }
    foreach($tags as $tag) {
        if ($stripContent)
             $content = '(.+</'.$tag.'[^>]*>|)';
         $str = preg_replace('#</?'.$tag.'[^>]*>'.$content.'#is', '', $str);
    }
    return $str;
}

$str = '<font color="red">red</font> text';
$tags = 'font';
$a = strip_only($str, $tags); // red text
$b = strip_only($str, $tags, true); // text
?> 

加入schnaader的升级，我用来执行任务的功能是：

    mysql_real_escape_string(
        preg_replace_callback("/&#?[a-z0-9]+;/i", function($m) { 
            return mb_convert_encoding($m[1], "UTF-8", "HTML-ENTITIES"); 
        }, strip_tags($row['cuerpo'])))

---

此函数删除每个html标记和html符号，这些标记和符号转换为UTF-8格式，可以保存在MySQL中。

除了上面的好答案之外，PHP还有一个非常有用的内置过滤函数：filter-var

要删除HMTL字符，请使用：

$cleanString=filter\u var（$dirtyString，filter\u SANITIZE\u STRING）

更多信息：



这可以很好地删除特殊字符

$modifiedString = preg_replace("/[^a-zA-Z0-9_.-\s]/", "", $content); 

我所做的是使用：
html\u entity\u decode
，然后使用
strip\u标记来删除它们。
试试这个

<?php
$str = "\x8F!!!";

// Outputs an empty string
echo htmlentities($str, ENT_QUOTES, "UTF-8");

// Outputs "!!!"
echo htmlentities($str, ENT_QUOTES | ENT_IGNORE, "UTF-8");
?>

您可以尝试
htmlspecialchars\u解码（$string）
。它对我有用

如果您想转换HTML特殊字符，而不仅仅是删除它们，以及剥离内容并准备纯文本，这是一个适合我的解决方案

function htmlToPlainText($str){
    $str = str_replace('&nbsp;', ' ', $str);
    $str = html_entity_decode($str, ENT_QUOTES | ENT_COMPAT , 'UTF-8');
    $str = html_entity_decode($str, ENT_HTML5, 'UTF-8');
    $str = html_entity_decode($str);
    $str = htmlspecialchars_decode($str);
    $str = strip_tags($str);

    return $str;
}

$string = '<p>this is (&nbsp;) a test</p>
<div>Yes this is! &amp; does it get "processed"? </div>'

htmlToPlainText($string);
// "this is ( ) a test. Yes this is! & does it get processed?"`

函数HTMLTO纯文本（$str）{
$str=str_替换（''，$str）；
$str=html_实体_解码（$str，ENT_引号，'UTF-8'）；
$str=html_实体_解码（$str，ENT_HTML5，'UTF-8'）；
$str=html_实体_解码（$str）；
$str=htmlspecialchars\u解码（$str）；
$str=带标签（$str）；
返回$str；
}
$string='这是一个测试

是的，这是&；它被“处理”了吗
纯文本（$string）；
//“这是（）一个测试。是的，这是！&它得到处理了吗？”`

html_entity_decode w/ENT_QUOTES|ENT_XML1转换
和#39
htmlspecialchars\u decode可转换
&
html_entity_decode转换类似
“
而strip_标记会删除所有剩余的HTML标记

编辑-添加str_替换（“”，，$str）；和其他几个html_entity_decode（），继续测试表明需要它们。
如果您在WordPress中工作，与我一样，只需要检查一个空字段（在看似空白的字符串中有大量随机html实体），请查看：

sanitize_title_with_dashes( string $title, string $raw_title = '', string $context = 'display' )


对于不使用WordPress的人，我发现这个函数对于创建我自己的消毒剂非常有用，看看完整的代码，它真的很深入
 将“+”替换为“可能会更好”{2,8]或其他什么。这将限制在出现未编码的“&”时替换整个句子的机会。谢谢，在答案中添加了您的注释和替代版本。但是为什么要删除这些字符呢？这些字符实体在RSS/Atom/XML中无效。因此，您可以做两件事：删除它们，或者用它们的名称替换它们数字等效。必须删除它们的一种可能情况是，在电子邮件中剥离HTML以将其作为备用纯文本正文发送。这更正确，因为当我们仅用空字符串替换时，我们得到的结果不正确-所有不可破坏的空格都被压缩。这！您只需在上运行
HTML\u entity\u decode
字符串，然后使用
strip\u标记
，最后使用
filter\u var（$string，filter\u SANITIZE\u string）
。我知道线程有点旧，但我希望解决相同的问题…不幸的是filter\u var需要5.2或更高版本…否则这就是答案（至少对我的特定问题而言）。谢谢。创建一个rss源，而不是保存到sqlmake一些注释“为什么你的代码可以工作”？这样其他人就会明白了。对链接到W3Schools而不是官方文档投了反对票：也就是说，这并不能解决OP的问题。这并不能回答OPs问题。所以添加str_替换（“，”，$str）；所以不要像我的情况那样，用某种特殊的字符来隐藏。
$string = "äáčé";

$convert = Array(
        'ä'=>'a',
        'Ä'=>'A',
        'á'=>'a',
        'Á'=>'A',
        'à'=>'a',
        'À'=>'A',
        'ã'=>'a',
        'Ã'=>'A',
        'â'=>'a',
        'Â'=>'A',
        'č'=>'c',
        'Č'=>'C',
        'ć'=>'c',
        'Ć'=>'C',
        'ď'=>'d',
        'Ď'=>'D',
        'ě'=>'e',
        'Ě'=>'E',
        'é'=>'e',
        'É'=>'E',
        'ë'=>'e',
    );

$string = strtr($string , $convert );

echo $string; //aace

function htmlToPlainText($str){
    $str = str_replace('&nbsp;', ' ', $str);
    $str = html_entity_decode($str, ENT_QUOTES | ENT_COMPAT , 'UTF-8');
    $str = html_entity_decode($str, ENT_HTML5, 'UTF-8');
    $str = html_entity_decode($str);
    $str = htmlspecialchars_decode($str);
    $str = strip_tags($str);

    return $str;
}

$string = '<p>this is (&nbsp;) a test</p>
<div>Yes this is! &amp; does it get "processed"? </div>'

htmlToPlainText($string);
// "this is ( ) a test. Yes this is! & does it get processed?"`

sanitize_title_with_dashes( string $title, string $raw_title = '', string $context = 'display' )