preg_replace pour supprimer les balises vides mais conserver la fin des balises

Question

J'ai créé cette expression pour supprimer tous les balises vides (y compris les balises avec des espaces) dans la page.

$content = preg_replace('/<[^\/>]*>([\s]?)*<\/[^>]*>/', '', $content); 

Il a travaillé un régal jusqu'à ce qu'il devait traiter le contenu comme ça ...

<blockquote> 
<p >foo bar</p> 
</blockquote> 
<p ><a href="image.jpg" rel="lightbox" title=""><img title="image" src="image.jpg" /></a><br /></p> 

et il délivre en sortie comme ...

<blockquote> 
<p >this is a test for the pluggin</p> 
<p ><a href="image.jpg" rel="lightbox" title=""><img title="image" src="image.jpg" /></a><br /></p> 

Éliminant ainsi la </blockquote>.

Je me suis gratté la tête sur celui-ci et je n'arrive pas à le faire fonctionner. Quelqu'un peut-il voir une solution évidente autre que de spécifier quelles balises il devrait formater? Je devrais aussi dire qu'il met en forme 'the_content' sur un post wordpress.

Answer 1

Les expressions rationnelles et le HTML ne sont pas une bonne correspondance, puisque HTML n'est pas une syntaxe régulière, et il n'y a pas de fin de casse et de gotchas. Il vaudra mieux utiliser un analyseur HTML tel que this one et inspecter/manipuler l'objet DOM.

Answer 2

Vous pouvez également jeter un oeil à HTML Purifier, qui est plus avancé que Simple HTML Dom, si vous trouvez qu'il ne reçoit pas tous les tags.