正则表达式 - 将HTML转换为有效的XML标记

Question

我需要帮助编写一个将HTML字符串转换为有效XML标记名称的正则表达式函数.例如:它需要一个字符串并执行以下操作:

• 如果字符串中出现字母或下划线,则会保留它
• 如果出现任何其他字符,则将其从输出字符串中删除.
• 如果在单词或字母之间出现任何其他字符,则将其替换为下划线.

Ex:
Input: Date Created
Ouput: Date_Created

Input: Date<br/>Created
Output: Date_Created

Input: Date\nCreated
Output: Date_Created

Input: Date    1 2 3 Created
Output: Date_Created

基本上,正则表达式函数应该将HTML字符串转换为有效的XML标记.

Answer 1

一些正则表达式和一些标准函数:

function mystrip($s)
{
        // add spaces around angle brackets to separate tag-like parts
        // e.g. "<br />" becomes " <br /> "
        // then let strip_tags take care of removing html tags
        $s = strip_tags(str_replace(array('<', '>'), array(' <', '> '), $s));

        // any sequence of characters that are not alphabet or underscore
        // gets replaced by a single underscore
        return preg_replace('/[^a-z_]+/i', '_', $s);
}