HTMLタグの削除

使い方

HTMLタグやコメント、JavaScript、CSSを取り除きテキスト情報を取り出すツールです。

(1)変換したい文字列を入力します。

(2)オプションを選択します。

※「HTMLエンティティ」を適切な文字に戻す

「&amp;」 → 「&」、「&lt;」 → 「<」、「&gt;」 → 「>」、「&quot;」 → 「"」

※「空行」を削除

「空白」と「Tab」のみの行を削除します。

(3)変換ボタンのクリックで変換処理を行ないます。

HTML エンティティとは

HTMLで特殊な意味を持つ文字を、アンパサンド「&」で始まりセミコロン「;」で終わる意味を持たない別の文字列に置換します。

サンプルコード

<?php

$sWord = "<body>
	<p>渋　谷　区　　　　　　</p>

	<p>住所：〒150-8010    東京都渋谷区</p>
	<p>ホームページ：https://www.example.jp/<br>電話番号：03-1111-1111</p>


	<script>
		alert('msg');
	</script>
</body>";

//「改行コード」の統一
$sWord = preg_replace("#\r\n|\r#", "\n", $sWord);

//「HTMLエンティティ」を適切な文字に戻す
$sWord = html_entity_decode($sWord, ENT_QUOTES, 'utf-8');
$sWord  = preg_replace('#<br[[:space:]]*\/?[[:space:]]*>#i', "\n", $sWord);
$sWord  = preg_replace('#<\/?[[:space:]]*br[[:space:]]*>#i', "\n", $sWord);

//「タグ」を削除
$sWord = preg_replace('#<!--[\s\S]*?-->#', '', $sWord);
$sWord = preg_replace('#<noscript[\s\S]*?</noscript>#i', '', $sWord);
$sWord = preg_replace('#<script[\s\S]*?</script>#i', '', $sWord);
$sWord = preg_replace('#<style[\s\S]*?</style>#i', '', $sWord);
$sWord = strip_tags($sWord);

//「Tab」を半角スペースに変換
$sWord = preg_replace("#\t#", ' ', $sWord);

//「改行」を半角スペースに変換
$sWord = preg_replace("#\n#", ' ', $sWord);

//「連続スペース」を削除
$sWord = preg_replace('/ +/', ' ', $sWord);
$sWord = preg_replace('/　+/u', '　', $sWord);
$sWord = preg_replace('/( 　|　 )+/u', ' ', $sWord);
$sWord = preg_replace('/ +/', ' ', $sWord);

//「空行」を削除
$arrWk = explode("\n", $sWord);
if (is_array($arrWk) === true) {
	$arrWord = array();
	foreach($arrWk as $key => $row) {
		if (strlen($row) === 0) {
			continue;
		}
		$arrWord[] = $row;
	}
	$sWord = implode("\n", $arrWord);
}

var_dump($sWord);

?>
							
string(130) " 渋　谷　区 住所：〒150-8010 東京都渋谷区 ホームページ：https://www.example.jp/ 電話番号：03-1111-1111 "

最近の投稿