我正在尝试使用 file_get_contents 读取 html 页面。在我处理完数据后，有一些不完整的标签，例如：
</p><p> test test test test</p>
在这种情况下，没有<p>要打开的</p>
或者
<font color="#333333">abc</font><div><p>go go go go </p>
在这种情况下，没有</div>要关闭的<div>
因此我想使用 preg_replace 删除所有这些不完整的标签，在我的例子中，额外的</p>和<div>应该被删除。我怎样才能做到这一点？这些标签可以是任何有效的 html5 标签。
首先，您需要了解 XHTML 中的“格式良好的标记文档”是什么。使用格式良好的标记，如果它们是备用的未配对标签，则不能保证选择为“开始结束对（打开关闭）”的标签将是正确的两个。
其次，您需要构建一个循环，以便在每次迭代时从标签类型的数组存储库中调用每个标签。数组中的标签应该是“文字”。在测试标签是否存在之前，应在循环中获取并设置每个标签“长度”int。
当找到标记对的匹配（打开关闭）时，preg match 将部分放入匹配的副本数组中，位置和长度，然后从 preg 匹配返回的部分中获取匹配的长度及其起始位置结果数组（在开发脚本时使用数组的调试打印输出）。
在每个匹配的开闭对中，您需要执行相同操作的子循环来检查内部标签。
概要： 要构建这样一个系统，如定制的脚本，使用 XML 格式良好的文档解析器和具有任何有效效率的调试器。如果它具有有效的效率，它将是 IDE 的标记调试器。祝你好运。
您应该调查 PHP Tidy 扩展 ( http://php.net/manual/en/book.tidy.php ) 的使用。您可以使用 Tidy 根据您尝试验证的任何 DOCTYPE 清理格式错误的 HTML。