Come rimuovere i caratteri speciali html?

Question

Sto creando un file di feed RSS per la mia applicazione in cui voglio rimuovere i tag HTML, che è fatto da strip_tags. Ma non è la rimozione strip_tags HTML caratteri di codice speciale:

  & © 

ecc

La prego di dirmi qualsiasi funzione che posso usare per rimuovere questi caratteri speciali del codice dalla mia stringa.

Answer 1

O decodificarli utilizzando html_entity_decode o rimuoverli utilizzando preg_replace:

$Content = preg_replace("/&#?[a-z0-9]+;/i","",$Content); 

(da here)

MODIFICA: Alternativa secondo il commento di Jacco

potrebbe essere piacevole sostituire il '+' con {2,8} o qualcosa del genere. Ciò limiterà la possibilità di sostituire intere frasi quando un '&' non codificato è presente.

$Content = preg_replace("/&#?[a-z0-9]{2,8};/i","",$Content); 

Answer 2

Utilizzare html_entity_decode per convertire le entità HTML.

Avrai bisogno di impostare il set di caratteri per farlo funzionare correttamente.

Answer 3

Si consiglia un'occhiata a htmlentities() e html_entity_decode() here

$orig = "I'll \"walk\" the <b>dog</b> now"; 

$a = htmlentities($orig); 

$b = html_entity_decode($a); 

echo $a; // I'll &quot;walk&quot; the &lt;b&gt;dog&lt;/b&gt; now 

echo $b; // I'll "walk" the <b>dog</b> now 

Answer 4

Una pianura stringhe vanilla modo per farlo senza impegnare il motore preg regex:

function remEntities($str) { 
    if(substr_count($str, '&') && substr_count($str, ';')) { 
    // Find amper 
    $amp_pos = strpos($str, '&'); 
    //Find the ; 
    $semi_pos = strpos($str, ';'); 
    // Only if the ; is after the & 
    if($semi_pos > $amp_pos) { 
     //is a HTML entity, try to remove 
     $tmp = substr($str, 0, $amp_pos); 
     $tmp = $tmp. substr($str, $semi_pos + 1, strlen($str)); 
     $str = $tmp; 
     //Has another entity in it? 
     if(substr_count($str, '&') && substr_count($str, ';')) 
     $str = remEntities($tmp); 
    } 
    } 
    return $str; 
} 

Answer 5

Sembra che ciò che si vuole veramente è:

function xmlEntities($string) { 
    $translationTable = get_html_translation_table(HTML_ENTITIES, ENT_QUOTES); 

    foreach ($translationTable as $char => $entity) { 
     $from[] = $entity; 
     $to[] = '&#'.ord($char).';'; 
    } 
    return str_replace($from, $to, $string); 
} 

sostituisce la entità nominate con il loro numero equivalente.

Answer 6

<?php 
function strip_only($str, $tags, $stripContent = false) { 
    $content = ''; 
    if(!is_array($tags)) { 
     $tags = (strpos($str, '>') !== false 
       ? explode('>', str_replace('<', '', $tags)) 
       : array($tags)); 
     if(end($tags) == '') array_pop($tags); 
    } 
    foreach($tags as $tag) { 
     if ($stripContent) 
      $content = '(.+</'.$tag.'[^>]*>|)'; 
     $str = preg_replace('#</?'.$tag.'[^>]*>'.$content.'#is', '', $str); 
    } 
    return $str; 
} 

$str = '<font color="red">red</font> text'; 
$tags = 'font'; 
$a = strip_only($str, $tags); // red text 
$b = strip_only($str, $tags, true); // text 
?> 

Answer 7

La funzione che ho usato per eseguire l'operazione, unendo l'aggiornamento fatto da schnaader è:

mysql_real_escape_string(
     preg_replace_callback("/&#?[a-z0-9]+;/i", function($m) { 
      return mb_convert_encoding($m[1], "UTF-8", "HTML-ENTITIES"); 
     }, strip_tags($row['cuerpo']))) 

Questa funzione rimuove ogni simbolo tag HTML e HTML, convertito in UTF-8 pronto a salvare in MySQL

Answer 8

In aggiunta alle buone risposte sopra, PHP ha anche una funzione di filtro integrata che è piuttosto utile: filter-var.

Per rimuovere i caratteri HMTL, utilizzare:

$cleanString = filter_var($dirtyString, FILTER_SANITIZE_STRING);

Maggiori informazioni:

1. function.filter-var
2. filter_sanitize_string

Answer 9

Questo potrebbe funzionare bene per rimuovere caratteri speciali.

$modifiedString = preg_replace("/[^a-zA-Z0-9_.-\s]/", "", $content); 

Answer 10

Quello che ho fatto è stato quello di utilizzare: html_entity_decode, quindi utilizzare strip_tags a loro rimossi.

Answer 11

provare questo

<?php 
$str = "\x8F!!!"; 

// Outputs an empty string 
echo htmlentities($str, ENT_QUOTES, "UTF-8"); 

// Outputs "!!!" 
echo htmlentities($str, ENT_QUOTES | ENT_IGNORE, "UTF-8"); 
?> 

Answer 12

$string = "äáčé"; 

$convert = Array(
     'ä'=>'a', 
     'Ä'=>'A', 
     'á'=>'a', 
     'Á'=>'A', 
     'à'=>'a', 
     'À'=>'A', 
     'ã'=>'a', 
     'Ã'=>'A', 
     'â'=>'a', 
     'Â'=>'A', 
     'č'=>'c', 
     'Č'=>'C', 
     'ć'=>'c', 
     'Ć'=>'C', 
     'ď'=>'d', 
     'Ď'=>'D', 
     'ě'=>'e', 
     'Ě'=>'E', 
     'é'=>'e', 
     'É'=>'E', 
     'ë'=>'e', 
    ); 

$string = strtr($string , $convert); 

echo $string; //aace 

Answer 13

Si può provare htmlspecialchars_decode($string). Per me funziona.

http://www.w3schools.com/php/func_string_htmlspecialchars_decode.asp

Answer 14

Se si desidera convertire i caratteri speciali HTML e non solo togliere loro così come striscia cose e si preparano per il testo normale questa è stata la soluzione che ha funzionato per me ...

function htmlToPlainText($str){ 
    $str = html_entity_decode($str, ENT_QUOTES | ENT_XML1, 'UTF-8'); 
    $str = htmlspecialchars_decode($str); 
    $str = html_entity_decode($str); 
    $str = strip_tags($str); 
    return $str; 
} 

$string = '<p>this is (&nbsp;) a test</p> 
<div>Yes this is! &amp; does it get "processed"? </div>' 

htmlToPlainText($string); 
// "this is () a test. Yes this is! & does it get processed?"` 

html_entity_decode w/ENT_QUOTES | ENT_XML1 converte le cose come ' htmlspecialchars_decode converte le cose come & html_entity_decode converte   e strip_tags rimuove eventuali tag HTML lasciati.