PHP 正則移除 HTML 標籤：純文字提取實用函數

需求場景

從含 HTML 標記的字串中提取純文字內容，常用於資料清洗、搜尋摘要、RSS 處理等場合。

核心函數實作

<?php
$htm = "<a href='https://www.php100.net'>test1</a><br />"
     . "<a href='https://www.php100.net'>test2</a><br />"
     . "<a href='https://www.php100.net'>test3</a><br />"
     . "<a href='https://www.php100.net'>test4</a><br />"
     . "<a href='https://www.php100.net'>test5</a><br />";

echo $htm . "<br />";
echo stripthetag($htm);

/** 移除所有 HTML 標籤 */
function stripthetag($link) {
    return preg_replace('@<[/!]*?[^<>]*?>@si', ' ', $link);
}
?>

正則表達式解析

@<[/!]*?[^<>]*?>@si

• @ ... @：定界符
• <：匹配標籤起始
• [/!]*?：可選的 /（結束標籤）或 !（註解/Doctype），非貪婪
• [^<>]*?：非標籤字元，非貪婪
• >：匹配標籤結束
• s：單行模式（. 匹配換行）
• i：不區分大小寫

替換為單一空格，避免標籤移除後單詞黏連。

測試結果

輸出前：
<a href='https://www.php100.net'>test1</a><br /> ...

輸出後：
 test1  test2  test3  test4  test5 

進階建議

• 若需保留特定標籤（如 <br> 換行），可改用 strip_tags($str, '<br><p>') 內建函數。
• 處理惡意腳本時，建議搭配 htmlspecialchars() 防 XSS。
• 大量資料處理時，preg_replace 效能優於多次 str_replace。

此函數簡潔高效，適合快速剝離 HTML 標記取得純文字內容。