PHP 移除 HTML 標籤的三種方法對比與最佳實踐

需求場景

在處理用戶提交的富文本、爬蟲抓取的網頁內容或數據清洗時，常需要剝離 HTML 標籤，僅保留純文本。PHP 提供了多種實現方式，本文對比三種常見方法的優劣。

方法一：strip_tags() —— 官方推薦，最簡潔

<?php
$str = "<font color=red>這是一個帶HTML標識的字串</font>";
$clean = strip_tags($str);
echo $clean; // 輸出：這是一個帶HTML標識的字串
?>

• 優點：內置函數、一行代碼、自動處理巢狀標籤、可選擇性保留允許的標籤（第二參數）。
• 缺點：對於畸形 HTML（如未閉合標籤）可能殘留字符；不處理 HTML 實體（如 <）。

方法二：正則替換 preg_replace() —— 靈活但易出錯

<?php
$str = "<font color=red>這是一個帶HTML標識的字串</font>";
// 移除所有 <...> 標籤
$clean = preg_replace('/<[^>]+>/', '', $str);
echo $clean; // 輸出：這是一個帶HTML標識的字串
?>

• 優點：可自定義規則（如保留 <br>）、可處理非標準標籤。
• 缺點：正則難以完美匹配所有 HTML 情況（屬性中含 >、註釋、CDATA 等），極易漏刪或誤刪；性能較差。

方法三：實體轉義 htmlspecialchars() —— 顯示原始碼而非移除

<?php
$str = "<font color=red>這是一個帶HTML標識的字串</font>";
$escaped = htmlspecialchars($str);
echo $escaped;
// 瀏覽器顯示：<font color=red>這是一個帶HTML標識的字串</font>
// 實際輸出：&lt;font color=red&gt;這是一個帶HTML標識的字串&lt;/font&gt;
?>

• 用途：當你想「展示」HTML 代碼而非「渲染」它時使用（如代碼片段展示、防 XSS 輸出）。
• 注意：這不是移除標籤，而是將 < > & " ' 轉為實體。

綜合對比表

最佳實踐建議

1. 純文本存儲/搜索：入庫前用 strip_tags() 清洗，必要時配合 trim() 去除首尾空白。
2. 防 XSS 輸出：輸出到頁面時統一用 htmlspecialchars($str, ENT_QUOTES, 'UTF-8')。
3. 保留安全標籤：如允許用戶輸入 <b><i><a>，用 strip_tags($str, '<b><i><a>')，但仍需配合 HTML Purifier 等庫做深度過濾。
4. 畸形 HTML：先用 tidy 或 DOMDocument::loadHTML() 修復，再 strip_tags()。

一行代碼總結

// 獲取純文本（推薦）
$text = strip_tags($html);

// 防 XSS 輸出
echo htmlspecialchars($text, ENT_QUOTES, 'UTF-8');