Comment nettoyer une chaîne en supprimant tout ce qui est pas une lettre en PHP

Question

permet de dire que j'ai un document html

comment puis-je supprimer tout du document

Je veux supprimer les balises HTML

Je veux enlever tout caractère spécial

Je veux enlever tout sauf lettres

et extraire le texte

Merci

Answer 1

Vous pouvez utiliser strip_tags et preg_replace pour y parvenir:

function clean($in) 
{ 
    // Remove HTML 
    $out = strip_tags($in); 
    // Filter all other characters 
    return preg_replace("/[^a-z]+/i", "", $out); 
} 

[^a-z] correspondra à un caractère autre que A à Z, le signe + précise qu'il doit correspondre à une longueur de la séquence de ces caractères et le /i -modifier indique qu'il s'agit d'une recherche insensible à la casse. Tous les caractères correspondants seront remplacés par une chaîne vide ne laissant que les caractères restants.

Si vous souhaitez conserver des espaces, vous pouvez utiliser [^a-z ] à la place et si vous souhaitez conserver les numéros [^a-z0-9 ]. Cela vous permet de mettre en liste blanche tous les caractères autorisés et de rejeter le reste.

Answer 2

Utilisez d'abord strip_tags() pour vous débarrasser du code HTML, puis utilisez l'expression rationnelle d'Emil H.

Answer 3

Prepend un

$in = preg_replace("/<[^>]*>/", "", $in); 

à la solution de Emil H, de sorte que vos balises se rayé. Sinon, un « <p> Bonjour tout le monde </p > » apparaît comme « pHelloWorldp »