使用PHP的strip_tags()函数去除HTML标记并返回纯文本

发布时间：2023-06-11 17:44:20

在网页开发中，HTML标记（也称为标签）是必不可少的，因为它们定义了网页的结构和内容。但有时候我们需要从HTML文本中获取纯文本，去除HTML标记后，这就需要使用php中的strip_tags()函数了。

strip_tags() 函数是 PHP 的内置函数，它用于删除 HTML 标记，从而保留只有纯文本的字符串。该函数的语法如下：

string strip_tags ( string $string , string $allowable_tags = NULL )

函数的个参数 $string 是要去除 HTML 标记的字符串，第二个参数 $allowable_tags 是可选的字符串，用于指定允许保留的标记。如果在 $allowable_tags 中指定了标记，那么这些标记以外的标记将会被删除，只有被允许的标记才会被保留。

下面是一些使用示例：

1. 基本用法

下面的示例演示了如何使用 strip_tags() 函数去除字符串中的 HTML 标记：

<?php
$string = '<p>这是一段 <b>带有 HTML 标签</b> 的文本。</p>';
$stripped_string = strip_tags($string);
echo $stripped_string;
?>

输出结果：

这是一段带有 HTML 标签的文本。

可以看到，strip_tags() 函数已经成功地去除了字符串中的所有HTML标记，并返回了一个只有纯文本的字符串。

2. 允许保留指定标记

如果我们希望只保留一些特定的HTML标记，可以在第二个参数中指定这些标记。例如，下面的示例演示了如何只保留字符串中的 p 和 b 标记：

<?php
$string = '<p>这是一段 <b>带有 HTML 标签</b> 的文本。</p>';
$stripped_string = strip_tags($string, '<p><b>');
echo $stripped_string;
?>

输出结果：

这是一段 带有 HTML 标签 的文本。

可以看到，只有 p 和 b 标记被保留，其它标记都被移除了。

需要注意的是，参数 $allowable_tags 的值不区分大小写，所以和是等价的。

3. 过滤危险标签

另一个常见的用途是过滤一些危险的 HTML 标记，例如 script，iframe，style等。这些标记可能会导致跨站脚本攻击（XSS）或者导致网页样式混乱。下面的示例演示了如何使用 strip_tags() 函数过滤危险标记：

<?php
$string = '<p>这是一段<b>危险的</b>文本，<script>alert("我是一个恶意脚本！")</script>请<a href="http://www.example.com">点击这里</a>接受挑战。</p>';
$stripped_string = strip_tags($string, '<p><b><a>');
echo $stripped_string;
?>

输出结果：

这是一段危险的文本，请<a href="http://www.example.com">点击这里</a>接受挑战。

可以看到，除了 p、b 和 a 标记以外，script 标记已经被成功地移除了。

需要注意的是，过滤危险标记并不是绝对安全的，因为攻击者可能通过使用嵌套标记、HTML实体或CSS攻击来绕过这种过滤。

4. 处理多语言文本

strip_tags() 函数默认对于 ASCII 文本进行处理。如果文本是多字节字符集，则可能会出现乱码或截断问题。为了解决这个问题，可以通过使用 mb_ 系列函数来对文本进行处理。下面的示例演示了如何处理多语言文本：

<?php
$string = '<p>这是一段 <b>带有 HTML 标签</b> 的文本。</p>';
$stripped_string = strip_tags($string, '<p><b>');
$stripped_string = mb_convert_encoding($stripped_string, 'HTML-ENTITIES', 'UTF-8');
echo $stripped_string;
?>

输出结果：

这是一段 带有 HTML 标签 的文本。

在该示例中，mb_convert_encoding() 函数将 $stripped_string 转换为 HTML 实体，从而避免了多字节字符集的问题。需要注意的是，在该函数的个参数中使用 HTML-ENTITIES 时，在输出时会保留实体而不是解码为字符。

结论

在网页开发中，strip_tags() 函数是一个非常有用的函数，它可以帮助我们从 HTML 文本中获取纯文本，从而更方便地进行数据处理和文本展示。但是需要注意的是，在处理 HTML 文本时，一定要遵守安全编程的原则，避免 XSS 攻击等安全问题。