使用PHP DOM和正则表达式清理HTML样式，仅保留font-family

碧海醫心

发布时间：2025-10-21 09:02:22

|

520人浏览过

|

来源于php中文网

原创

$data = <<
Lorem Ipsum is simply dummy text of the printing and typesetting industry. Lorem Ipsum has been the industry's standard dummy text ever since the 1500s, when an unknown printer took a galley of type and scrambled it to make a type specimen book. It has survived not only five centuries, but also the leap into electronic typesetting, remaining essentially unchanged. It was popularised in the 1960s with the release of Letraset sheets containing Lorem Ipsum passages, and more recently with desktop publishing software like Aldus PageMaker including versions of Lorem Ipsum.

2. 遍历元素并处理style属性

加载HTML后，我们可以使用getElementsByTagName('*')获取文档中的所有元素。对于每个元素，我们检查它是否包含style属性。如果存在，则提取其值，并使用正则表达式进行处理。

3. 精确的正则表达式提取font-family

关键在于如何从style属性的字符串中精确地提取font-family属性及其值，同时丢弃其他所有样式。这里使用的正则表达式是：

.*?\b(font-[^;]+;?).*|.*

让我们详细解析这个正则表达式：

Artifact News

由AI驱动的个性化新闻推送

下载

• .*?：非贪婪匹配任意字符（0次或多次）。这确保我们从字符串的开头开始匹配。
• \b(：\b是一个单词边界，确保我们匹配的是一个完整的属性名（例如，font-family而不是my-font-family的一部分）。(开始一个捕获组。
• font-[^;]+;?：这是捕获组的核心。
  • font-：匹配字面字符串font-。
  • [^;]+：匹配一个或多个非分号字符。这会捕获font-family: "Open Sans", Arial, sans-serif中的值部分。
  • ;?：匹配一个可选的分号。因为style属性的最后一个样式可能没有分号。
• )：结束捕获组1。
• .*：匹配捕获组1之后的任意剩余字符。
• |：这是一个“或”操作符。
• .*：如果前面的模式（包含font-family的模式）不匹配，则匹配整个字符串。

当使用preg_replace时，我们将替换字符串设置为$1。这意味着：

• 如果找到了font-family，则整个匹配的字符串会被捕获组1（即font-family及其值）替换。
• 如果未找到font-family，则会匹配整个style字符串（通过|.*），然后被替换为捕获组1（此时为空），从而有效地清空style属性。

4. 替换和更新style属性

在循环中，我们对每个元素的style属性值应用preg_replace。如果替换后的style值非空，则更新元素的style属性；否则，如果style属性值为空（即没有font-family或font-family被移除），则直接移除该属性。

foreach($dom->getElementsByTagName('*') as $element ){
    if ($element->hasAttribute('style')) {
        $style = $element->getAttribute('style');
        // 使用正则表达式提取font-family
        $replacement = preg_replace("/.*?\b(font-[^;]+;?).*|.*/", "$1", $style);

        // 如果替换后的样式字符串不为空，则更新属性
        if (trim($replacement) !== "") {
            $element->setAttribute('style', $replacement);
        } else {
            // 如果替换后的样式为空，则移除整个style属性
            $element->removeAttribute('style');
        }
    }
}

5. 输出修改后的HTML

处理完所有元素后，使用saveHTML()方法将修改后的DOM树重新输出为HTML字符串。

echo $dom->saveHTML();

完整示例代码

将上述步骤整合，形成完整的PHP脚本：

Lorem Ipsum is simply dummy text of the printing and typesetting industry. Lorem Ipsum has been the industry's standard dummy text ever since the 1500s, when an unknown printer took a galley of type and scrambled it to make a type specimen book. It has survived not only five centuries, but also the leap into electronic typesetting, remaining essentially unchanged. It was popularised in the 1960s with the release of Letraset sheets containing Lorem Ipsum passages, and more recently with desktop publishing software like Aldus PageMaker including versions of Lorem Ipsum.