php - 删除处理指令 ( 我在一个字符串中有这个标签： <?xml:namespace prefix = o /?> 如何使用 PHP 和正则表达式从字符串中删除该标签和类似标签？ 我试过了： $clean = preg_replace('/<\?x

Question

我在一个字符串中有这个标签：

<?xml:namespace prefix = o /?>

如何使用 PHP 和正则表达式从字符串中删除该标签和类似标签？

我试过了：

$clean = preg_replace('/<\?xml[^>]+\/>/im', '', $dirty);

Answer 1

您在该字符串中拥有的是处理指令（PI，请参阅 XML 1.0）。

如果您想使用 PCRE UTF-8 修饰符从您希望是 UTF-8 编码的字符串中删除这些 PI，您可以使用以下模式：

~
    <\?
    (?: [A-Za-z_:] | [^\x00-\x7F] ) (?: [A-Za-z_:.-] | [^\x00-\x7F] )*
    (?: \?> | \s (?: [^?]* \?+ ) (?: [^>?] [^?]* \?+ )* >)
~x

它是从XML 处理指令的 REX 表达式到 PHP 中使用的 PCRE 表达式的翻译。

代码示例：

$str = "some string <?xml:namespace prefix = o /?> that is";

$pattern = '~
    <\?
    (?: [A-Za-z_:] | [^\x00-\x7F] ) (?: [A-Za-z_:.-] | [^\x00-\x7F] )*
    (?: \?> | \s (?: [^?]* \?+ ) (?: [^>?] [^?]* \?+ )* >)
~x';

echo preg_replace($pattern, '', $str);

输出：

some string  that is

与前面给出的答案不同的是，这个正则表达式确实......

• ...正确考虑结束序列（“ ?>”）。特别是>在处理指令中可以允许使用“ ”。
• ...没有要求将处理指令的名称限制为xml仅以“”开头。
• ...它实际上是在寻找一个名称作为开场序列的一部分。
• ... 处理空和非空处理指令。

一些值得一提的关于限制的注意事项：

1. 该模式用于浅层解析。也就是说，如果您还没有从可能包含文本的字符串中剥离其他标记结构，而这些文本又可能看起来像这样的处理指令（例如，CDATA 块或注释），那么模式将错误地匹配。
2. 该模式也匹配以“”开头的XML 声明<?xml。这可以通过在开头“ <?”之后不查找 XML 保留名称以及像“”这样的负前瞻来更改(?! [xX][mM][lL] (?: \?> | \s ) )。

由于这些限制，也许值得考虑

正则表达式的替代品

strip_tags首先，使用 PHP来剥离处理指令会容易得多。它也会删除其他标签和评论。这可能并不总是想要的，它真的很简单：

strip_tags($str)

作为正则表达式和strip_tags使用 PHP 附带的一种 XML 解析器来剥离处理指令，都更加明确。例如 PHP 的 DOM 扩展。它可以包装在一个函数中，以便轻松应用于字符串：

dom_strip_pis($str)

这样的示例函数也适用于您拥有的 XML 字符串，该字符串使用保留名称“ xml”作为前缀，这在 XML 中实际上并不正确。但是解析器不会对此感到窒息：

/**
 * remove processing instructions from an XML string
 *
 * @author hakre <http://hakre.wordpress.com>
 *
 * @param string $xml
 * @return string
 */
function dom_strip_pis($str) {
    $doc = new DOMDocument;
    $fragment =  $doc->createDocumentFragment();
    $saved = libxml_use_internal_errors(true);
    $fragment->    appendXML($str);
    libxml_use_internal_errors($saved);
    foreach($fragment->childNodes as $node) {
        if ($node instanceof DOMProcessingInstruction) {
            $node->parentNode->removeChild($node);
        }
    }
    return $doc->saveXML($fragment);
}

使用上一个示例中给出的 XML 解析器不会让您处理浅层解析。

Answer 2

你非常接近 - 注意'？在右尖括号之前的最后：

<?xml:namespace prefix = o /?>

为了匹配它，你将需要这个：

<?php
$clean=preg_replace('/<\?xml[^>]+\/\?>/im', '', $dirty);
?>