Php 我需要从任意html字符串中快速删除一组类

HTML首先通过一个净化器（tinyMCE+Wordpress）运行，因此它应该与一些标准表单相匹配。所有的脚本和样式标记都被剥离，标记中的所有数据都是html_编码的，所以没有多余的符号需要担心

我知道用正则表达式解析html的一般立场是“不要”，但在这个具体的例子中，问题似乎不像解析，更像是简单的字符串处理。。。我是否错过了某种看不见的复杂程度

据我所知，这一模式似乎可以分解为逻辑组件：

/]+

-匹配任何html标记的开头以及其中标记和属性的任何组合，但不匹配结束括号

（？i:class）=\”

-类属性的开头，不区分大小写

（？：

-启动非捕获子模式

（？：*[a-zA-Z!][\w-]*+）*

-任意数量的类名（或无），但如果它们存在，则在捕获之前必须有空格

（*

。内爆（'|'，$classes）。

*）

-要捕获的类集，引用

（？：+[a-zA-Z!][\w-]**）

-任意数量的类名（或无），但如果它们存在，则捕获后必须有空格

）+

-如果一个属性中有多个匹配类，请关闭非捕获子模式并循环它

\”（？：[^>]*）>/

-类属性的末尾，以及html标记末尾的所有内容

制作最终正则表达式：

$pattern = "/<[a-zA-Z][^>]+ (?i:class)=\"(?:(?: *[a-zA-Z_][\w-]* +)*( *".implode('|', $classes)." *)(?: +[a-zA-Z_][\w-]* *)*)+\"(?: [^>]*)>/";

$pattern=“/”+（？i:class）=\”（？：（？：*[a-zA-Z\[\w-]*+）*（*”。内爆（“|”），$classes）。“*）（？：+[a-zA-Z\\w-]*）+\”（？：[^>]*）>/”；

我还没有试过运行它，因为我知道如果它能工作，我会很想使用它，但是通过

preg\u replace

运行它似乎应该可以完成任务，除了一个小问题。我相信它会在捕获区域周围留下无关的空白。这不是一个重要的问题，但如果有人知道如何避免的话，这可能是一个不错的选择

还应该注意的是，这不是一个任务关键型的过程，如果我的捕获偶尔无法删除类，那么没有人会死亡

---

所以，本质上。。。有人能解释一下在这种情况下这是一个坏主意吗？

这将替换所有html中的所有类

myHtml.replace(/class\=\"[^\"]*\"/g,'');

---

这就是你要找的吗？或者更具体一些？

好的，这是要从给定html中删除的类名列表吗

我的意思是，你想要删除的类名列表是什么。你能给出一个典型html的例子，它是什么，你想把它改成什么吗。 例如：

以前

<div class="someClass">
  <i class="dontchange doChange"></i>
  <a class="hello john"></a>
</div>

改为

<div>
  <i class="dontchange"></i>
  <a></a>
</div>

复杂性在于：

类

属性的开头只能与

\b类

匹配，类名可以包含很多东西-但也许你知道你在做什么，

preg\u quote

在边界处有单词字符时有效，如果没有，是否有效？如果

未被实体化（

class=“dd>”

），该怎么办？@Stribizev-类名中类似

的边缘案例将在进入该代码之前由消毒剂过滤和删除，并且很高的期望是接收到的代码将由逻辑脚本生成，以便引导。但是，我不确定我是否关注class属性的问题。。。详细说明@罗伯特-我担心速度。这种修改需要在每次页面加载时运行（我知道，但我在很多方面都受到限制），并且将html解析为DOM对象比正则表达式引擎占用的内存/cpu要多得多。或者，如果存在一个非常不寻常的edgecase，其中class=”“不存在于标记中，则可以这样做：myHtml.replace（/（]*）class\=\“[^\”]*\“/g，$1”）；不，尝试只替换给定列表中出现的类，而不希望匹配所有类给定列表是什么？它将是一个preg_转义字符串列表，可能会从使用变为使用…在任何正则表达式中，它们在功能上应等同于

（str1 | str2 | str3）

。我打算逐个填充类名列表，但它们将是一组已转义的字符串文字，用于正则表达式。要删除的类名在功能上等同于（str1 | str2 | str3）.你的例子是准确的，虽然我不需要删除空的类属性…在最坏的情况下，我可以在事后用str_替换来清理这些属性