HTML-Sonderzeichen aus RSS-Feed entfernen

Beim Erstellen von RSS-Feed-Dateien ist das Entfernen von HTML-Tags mithilfe der Funktion „strip_tags“ von PHP gängige Praxis. Diese Funktion entfernt jedoch häufig keine HTML-Sondercodezeichen wie  , & und ©.

Um diese Zeichen effektiv zu entfernen, ziehen Sie die folgenden Optionen in Betracht:

Option 1: Verwendung von html_entity_decode

Sie können html_entity_decode verwenden, um diese Zeichen wieder zu dekodieren ihre ursprünglichen Formen.

$decodedContent = html_entity_decode($originalContent);

Option 2: Verwendung von preg_replace

Alternativ können Sie verwenden preg_replace mit einem regulären Ausdruck, um die Zeichen zu entfernen direkt:

$cleanContent = preg_replace("/&#?[a-z0-9] ;/i","",$originalContent);

Dieses Muster stimmt überein HTML-Sonderzeichen, die als numerische Entitäten (  zum Beispiel) oder benannte Entitäten ( ) dargestellt werden.

Alternative Muster

Um die Genauigkeit der Ersetzung zu verbessern, sollten Sie das folgende modifizierte Muster verwenden, wie von Jacco vorgeschlagen:

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

Dieses Muster beschränkt die Ersetzung auf Entitäten mit 2 bis 8 Zeichen, wodurch das Risiko unbeabsichtigter Ersetzungen verringert wird.