تجريد أحرف HTML الخاصة العنيدة

وظيفة strip_tags، على الرغم من مهارتها في إزالة علامات HTML، إلا أنها تفشل في معالجة أحرف HTML الخاصة المزعجة مثل للمسافة غير المنفصلة أو © لرمز حقوق الطبع والنشر. يمكن أن يكون هذا حجر عثرة في إنشاء خلاصات RSS نظيفة.

لعلاج هذه المشكلة، فكر في استخدام إحدى الاستراتيجيات التالية:

• فك تشفير كيان HTML: استخدم html_entity_decode لتحويل الرموز الخاصة مرة أخرى إلى أحرفها الأصلية قبل أن تخضع السلسلة الخاصة بك لمعالجة strip_tags.
• التعبير العادي الإزالة: بدلاً من ذلك، استخدم الدالة preg_replace لاستهداف هذه الأحرف وإزالتها مباشرة من السلسلة الخاصة بك. فيما يلي نموذج نموذجي سينجز المهمة:

$Content = preg_replace("/?[a-z0-9]{2,8};/i"،" $Content);

$Content = preg_replace("/&#?[a-z0-9]{2,8};/i","",$Content);

لاحظ أن النمط أعلاه يتضمن تعديلًا اقترحته Jacco لمنع الاستبدالات غير المقصودة لأحرف علامة الضم الأصلية (&) في النص غير المشفر. من خلال تحديد نطاق أحرف {2,8}، يكون النمط أكثر تمييزًا في استهداف أكواد HTML الخاصة.