剔除页面中html中除文字以外的任何代码，刚才发布了php版这个是ASP中的版本。asp函数代码
复制代码代码如下:
<%
Function RemoveHTML(str)
Dim objRegExp, Match,strHTML
if isnull(str) then
str=
end if
strHTML=str
strHTML=replace(replace(replace(strHTML,vblf,),vbcr,),vbcrlf,)
Set objRegExp = New Regexp
objRegExp.IgnoreCase = True
objRegExp.Global = True
objRegExp.Pattern = <script[^>]*?>.*?</script>
strHTML = objRegExp.Replace(strHTML,)
objRegExp.Pattern = <style[^>]*?>.*?</style>
strHTML = objRegExp.Replace(strHTML,)
objRegExp.Pattern = <.+?>
strHTML = objRegExp.Replace(strHTML,)
Set objRegExp = Nothing
RemoveHTML=strHTML
End Function
%>
php中的代码
复制代码代码如下:
<?php
$search = array ('<script[^>]*?>.*?</script>'si, // 去掉 javascript
'<style[^>]*?>.*?</style>'si, // 去掉 css
'<[/!]*?[^<>]*?>'si, // 去掉 HTML 标记
'<!--[/!]*?[^<>]*?>'si, // 去掉 注释标记
'([rn])[s]+', // 去掉空白字符
'&(quot|#34);'i, // 替换 HTML 实体
'&(amp|#38);'i,
'&(lt|#60);'i,
'&(gt|#62);'i,
'&(nbsp|#160);'i,
'&(iexcl|#161);'i,
'&(cent|#162);'i,
'&(pound|#163);'i,
'&(copy|#169);'i,
'&#(d+);'e); // 作为 PHP 代码运行
$replace = array (,
,
,
,
/1,
/,
&,
<,
>,
,
chr(161),
chr(162),
chr(163),
chr(169),
chr(/1));
//$document为需要处理字符串，如果来源为文件可以$document = file_get_contents('http://www.sina.com.cn');
$out = preg_replace($search, $replace, $document);
echo $out;
?>
存为get.php即可。