Question

$tags = array(
    "applet" => 1,  
    "script" => 1
);

$html = file_get_contents("test.html");
$dom = new DOMdocument();
@$dom->loadHTML($html);
$xpath = new DOMXPath($dom);
$body = $xpath->query("//body")->item(0);

我是在循环浏览网页的“正文”并删除$ tags数组中列出的所有不需要的标记，但我找不到办法。那我怎么能这样做呢？

Answer 1

您是否考虑过HTML Purifier？从你自己的html清理开始只是重新发明轮子，并不容易实现。

此外，黑名单方法也很糟糕，请参阅SO/why-use-a-whitelist-for-html-sanitizing

您可能还有兴趣阅读how to cinfigure allowed tags & attributes或testing HTML Purifier demo

Answer 2

$tags = array(
    "applet" => 1,  
    "script" => 1
);

$html = file_get_contents("test.html");
$dom = new DOMdocument();
@$dom->loadHTML($html);
$xpath = new DOMXPath($dom);

for($i=0; $i<count($tags); ++$i) {
   $list = $xpath->query("//".$tags[$i]);
   for($j=0; $j<$list->length; ++$j) {
      $node = $list->item($j);
      if ($node == null) continue;
      $node->parentNode->removeChild($node);
   }
}

$string = $dom->saveXML();

类似的东西。

递归遍历DOM树并删除不需要的标签？

2 个答案: