从写得不好的 XML 字符串中找到的所有结束标签中删除任何标签属性

Question

我正在尝试使用

preg_replace()

来清理写得不好的 XML。

$x = '<abc x="y"><def x="g">more test</def x="g"><blah>test data</blah></abc x="y">';

逻辑是检查结束标签内是否有空格

</ >

并删除从空格到标签末尾的所有内容。

想要的结果：

<abc x="y"><def x="g">more test</def><blah>test data</blah></abc>

Answer 1

这应该可以做到：

preg_replace('/<\/(\w+)\s*[^>]*>/', '</\1>', $x);

Answer 2

在这种情况下，正则表达式实际上可能是可行的：

$xml = preg_replace("#(</(\w+:)?\w+)\s[^>]+>#", "$1>", $xml);

编辑：根据@netcoder的提示修复。在垃圾之前强制添加空格。

明显的陷阱当然是注释（对于数据 XML 来说不太可能）和 CDATA 部分（从 xml 的外观来看也不太可能）。

虽然您仍然可以尝试 QueryPath，但它应该也可以使用 XML，并且可能对这些情况具有弹性。怎么就乱码了？

Answer 3

preg_replace('/<\/(.*?)\s+[^>]+>/', '</$1>', $string);

编辑：经过测试，有效。

Answer 4

尝试：

preg_replace("/<\/((\w)([^<].*)?)\>/","</$2>",$x);

代码未测试

Answer 5

您还可以使用 T-Regx 库:

以@Jonah 为例：

pattern('<\/(.*?)\s+[^>]+>')->replace($string)->all()->withReferences('</$1>');

PS：请注意，使用

with()

会引用占位符。

Answer 6

将结束标记的前导部分与

</\w+

匹配，然后用

\K

忽略这些字符，然后将后跟零个或多个非大于符号的文字空格与

[^>]*

匹配，然后向前查找文字结束带

(?=>)

的大于符号。 用空字符串替换该匹配项。 (演示)

$x = '<abc x="y"><def x="g">more test</def x="g"><blah>test data</blah></abc x="y">';

echo preg_replace('#</\w+\K [^>]*(?=>)#', '', $x);
// <abc x="y"><def x="g">more test</def><blah>test data</blah></abc>