Je ne suis pas trop bon avec les expressions régulières, mais avec PHP je veux supprimer l'attribut style
des balises HTML dans une chaîne qui revient de TinyMCE.
Changez donc <p style="...">Text</p>
En vanille <p>Test</p>
.
Comment pourrais-je y parvenir avec quelque chose comme la fonction preg_replace()
?
Le regex pragmatique (<[^>]+) style=".*?"
résoudra ce problème dans tous les cas raisonnables. La partie du match qui n'est pas le premier groupe capturé doit être supprimée, comme ceci:
$output = preg_replace('/(<[^>]+) style=".*?"/i', '$1', $input);
Correspond à un <
suivi d'un ou plusieurs "pas >
"jusqu'à ce que nous arrivions à space
et au style="..."
partie. Le /i
le fait fonctionner même avec STYLE="..."
. Remplacez cette correspondance par $1
, qui est le groupe capturé. Il laissera la balise telle quelle, si la balise ne comprend pas style="..."
.
Quelque chose comme ça devrait fonctionner (avertissement de code non testé):
<?php
$html = '<p style="asd">qwe</p><br /><p class="qwe">qweqweqwe</p>';
$domd = new DOMDocument();
libxml_use_internal_errors(true);
$domd->loadHTML($html);
libxml_use_internal_errors(false);
$domx = new DOMXPath($domd);
$items = $domx->query("//p[@style]");
foreach($items as $item) {
$item->removeAttribute("style");
}
echo $domd->saveHTML();
J'ai commenté la fonction de @Mayerln. Cela fonctionne, mais DOMDocument bourre vraiment d'encodage. Voici ma version simplehtmldom
function stripAttributes($html,$attribs) {
$dom = new simple_html_dom();
$dom->load($html);
foreach($attribs as $attrib)
foreach($dom->find("*[$attrib]") as $e)
$e->$attrib = null;
$dom->load($dom->save());
return $dom->save();
}
Voici:
<?php
$html = '<p style="border: 1px solid red;">Test</p>';
echo preg_replace('/<p style="(.+?)">(.+?)<\/p>/i', "<p>$2</p>", $html);
?>
Par ailleurs, comme l'ont souligné d'autres, les regex ne sont pas suggérées pour cela.
J'utilise ceci:
function strip_Word_html($text, $allowed_tags = '<a><ul><li><b><i><sup><sub><em><strong><u><br><br/><br /><p><h2><h3><h4><h5><h6>')
{
mb_regex_encoding('UTF-8');
//replace MS special characters first
$search = array('/‘/u', '/’/u', '/“/u', '/”/u', '/—/u');
$replace = array('\'', '\'', '"', '"', '-');
$text = preg_replace($search, $replace, $text);
//make sure _all_ html entities are converted to the plain ascii equivalents - it appears
//in some MS headers, some html entities are encoded and some aren't
//$text = html_entity_decode($text, ENT_QUOTES, 'UTF-8');
//try to strip out any C style comments first, since these, embedded in html comments, seem to
//prevent strip_tags from removing html comments (MS Word introduced combination)
if(mb_stripos($text, '/*') !== FALSE){
$text = mb_eregi_replace('#/\*.*?\*/#s', '', $text, 'm');
}
//introduce a space into any arithmetic expressions that could be caught by strip_tags so that they won't be
//'<1' becomes '< 1'(note: somewhat application specific)
$text = preg_replace(array('/<([0-9]+)/'), array('< $1'), $text);
$text = strip_tags($text, $allowed_tags);
//eliminate extraneous whitespace from start and end of line, or anywhere there are two or more spaces, convert it to one
$text = preg_replace(array('/^\s\s+/', '/\s\s+$/', '/\s\s+/u'), array('', '', ' '), $text);
//strip out inline css and simplify style tags
$search = array('#<(strong|b)[^>]*>(.*?)</(strong|b)>#isu', '#<(em|i)[^>]*>(.*?)</(em|i)>#isu', '#<u[^>]*>(.*?)</u>#isu');
$replace = array('<b>$2</b>', '<i>$2</i>', '<u>$1</u>');
$text = preg_replace($search, $replace, $text);
//on some of the ?newer MS Word exports, where you get conditionals of the form 'if gte mso 9', etc., it appears
//that whatever is in one of the html comments prevents strip_tags from eradicating the html comment that contains
//some MS Style Definitions - this last bit gets rid of any leftover comments */
$num_matches = preg_match_all("/\<!--/u", $text, $matches);
if($num_matches){
$text = preg_replace('/\<!--(.)*--\>/isu', '', $text);
}
$text = preg_replace('/(<[^>]+) style=".*?"/i', '$1', $text);
return $text;
}
En plus de la réponse de Lorenzo Marcon:
En utilisant preg_replace
pour tout sélectionner sauf l'attribut style:
$html = preg_replace('/(<p.+?)style=".+?"(>.+?)/i', "$1$2", $html);
$html = preg_replace('/\sstyle=("|\').*?("|\')/i', '', $html);
Pour remplacer tous les styles = "" par des blancs.