preg_match以删除杂项HTML

Question

我无法消除HTML的一些杂散部分，而这些杂散部分最终以自动生成的WordPress网站摘录结尾。例如，在摘录的开头，我会看到：

href =” https://stackoverflow.com”>节选文本从此处开始...

或摘录的结尾：

...摘录文字在这里结束

因此，我正在寻找的是一种方法，该方法可以匹配并删除摘录开头以“>”结尾的任何非空格字符的字符串，或在结尾处的任何非空格字符的字符串。以“

Answer 1

如果摘录中不包含<和>字符，则可以采用两种方法。一个使用preg_replace删除问题中描述的句段，另一个使用preg_match来查找>和<之间的一组字符。例如：

$excerpts = array('href=”https://stackoverflow.com”>Excerpt text starts here... ...excerpt text ends here <a',
    'href=”https://stackoverflow.com”>Excerpt text starts here... ...excerpt text ends here',
    'Excerpt text starts here... ...excerpt text ends here <a',
    'Excerpt text starts here... ...excerpt text ends here'
);

foreach ($excerpts as $excerpt) {
    preg_match('/(?<=^|>)[^<>]+(?=<|$)/', $excerpt, $matches);
    echo $matches[0] . PHP_EOL;
}

foreach ($excerpts as $excerpt) {
    echo preg_replace(array('/.*>/', '/<.*$/'), '', $excerpt) . PHP_EOL;
}

输出：

Excerpt text starts here... ...excerpt text ends here 

Demo on 3v4l.org