从html源文件中删除php短标签

Question

我正在用curl解析一些html代码。一些站点html源代码，如：

<div id="content">
    some words
</div>
<?    
    $box_social['dimensioni']="80";
        $box_vota=array();
    $box_vota["novideo"]='';
    $box_vota["nofoto"]='';
    $box_vota["id_articolo"]='1003691';
    include($_SERVER['DOCUMENT_ROOT']."/incs/box_social.php");    
?>
<div id="footer">
   some words
</div>

如何从html源码中删除php短标签？我需要

<div id="content">
    some words
</div>
<div id="footer">
   some words
</div>

我使用的是preg_replace('/<\?(.*?)\?>/','',$html);，但php的短标记部分仍然存在。

Answer 1

此正则表达式与您的大小写匹配：

$html = htmlspecialchars(preg_replace('/<\?([\w\W]*)\?>/','',$html));
$html = htmlspecialchars(preg_replace('/<\?(.*)\?>/s','',$html));

如果有多个PHP代码块，也会匹配：

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

来自PHP.NET

s (PCRE_DOTALL)如果设置了此修饰符，则模式中的点元字符将匹配所有字符，包括换行符。如果没有它，换行符将被排除。这个修饰符等同于Perl的/s修饰符。负的类，如^a，总是匹配换行符，与这个修饰符的设置无关。