在PHP中剥离所有空HTML标记对

我正在寻找一种从字符串中去除所有空HTML标记对的方法，例如

和

。虽然找到一个用于此目的的正则表达式相对容易，但我找不到一个能够可靠地与PHP的

preg_replace（）

一起工作的正则表达式。以下是我尝试过的函数之一（摘自）：

功能条\u空\u标签（$text）{
//匹配空元素（属性值可能有尖括号）。
$re='%
#正则表达式以匹配空的HTML4.01过渡元素。
<#Opening tag Opening“需要一个，因为示例“empty”标记实际上是：



还将标记与空间图元匹配的步骤

$re = '~<(\w+)[^>]*>(?>[\p{Z}\p{C}]|<br\b[^>]*>|&(?:(?:nb|thin|zwnb|e[nm])sp|zwnj|#xfeff|#xa0|#160|#65279);)*</\1>~iu'

$re='~*>（？>[\p{Z}\p{C}]*>&（（？：nb | thin | zwnb | e[nm]）sp | zwnj | xfeff | xa0 | 160 | | 65279）*~iu

；根据您的需要进行修改


使用（无while循环）

$re='~*>（？>[\p{Z}\p{C}]*>|&（（？：nb | thin | zwnb | e[nm]）sp | zwnj | xfeff | xa0 | 160 | | 65279 |（？R））*~iu；

继我对Jonny 5的回答的评论之后，我在递归正则表达式中添加了几个可接受的标记，因为
iframe
和
canvas
通常可以为空

$re = '~<((?!iframe|canvas)\w+)[^>]*>(?>[\p{Z}\p{C}]|<br\b[^>]*>|&(?:(?:nb|thin|zwnb|e[nm])sp|zwnj|#xfeff|#xa0|#160|#65279);|(?R))*</\1>~iu';

$re='~*>（？>[\p{Z}\p{C}]*>|&（（？：nb | thin | zwnb | e[nm]）sp | zwnj | xfeff | xa0 | 160 | | 65279 |（？R））*~iu；
特定的regex不寻找自动关闭标记。您可能希望添加一个替代的
\s*
。（如果您没有使用regex，您可以研究XPath。）只有两个wmpty标记，对吗？您问题中的HTML示例文本标记没有可剥离的空元素（除了自动关闭的

标记之外）。两个
标记中的每一个看起来是空的，实际上包含两个“``”非空白unicode字符-（
\uFEFF
）。在我看来似乎是网页字符编码问题。@ridgerunner哇。你是如何检测到的？@Artem Gordinsky-复制并粘贴到文本编辑器中。（注意，作为上述正则表达式/函数的作者，我非常有兴趣回答人们可能遇到的任何问题。）那些正则表达式完全令人难以置信；但效果很好！有没有办法允许特定的空标记，例如通常为空的“iframe”或“canvas”？
$re = '~<(\w+)[^>]*>[\p{Z}\p{C}]*</\1>~u';

$re = '~<(\w+)[^>]*>(?>[\p{Z}\p{C}]|<br\b[^>]*>)*</\1>~ui';

$re = '~<(\w+)[^>]*>(?>[\p{Z}\p{C}]|<br\b[^>]*>|&(?:(?:nb|thin|zwnb|e[nm])sp|zwnj|#xfeff|#xa0|#160|#65279);)*</\1>~iu'

$re = '~<(\w+)[^>]*>(?>[\p{Z}\p{C}]|<br\b[^>]*>|&(?:(?:nb|thin|zwnb|e[nm])sp|zwnj|#xfeff|#xa0|#160|#65279);|(?R))*</\1>~iu';

$re = '~<((?!iframe|canvas)\w+)[^>]*>(?>[\p{Z}\p{C}]|<br\b[^>]*>|&(?:(?:nb|thin|zwnb|e[nm])sp|zwnj|#xfeff|#xa0|#160|#65279);|(?R))*</\1>~iu';