Eliminar caracteres especiales HTML de una cadena

Al crear una fuente RSS, es fundamental eliminar etiquetas HTML y caracteres especiales para garantizar la compatibilidad. Si bien strip_tags() elimina etiquetas de manera eficaz, a menudo deja caracteres especiales HTML.

Para solucionar este problema, existen dos posibles soluciones:

html_entity_decode():

Esta función decodifica entidades HTML y las reemplaza con sus caracteres correspondientes. Por ejemplo,   se convertiría en un espacio.

preg_replace():

Usando expresiones regulares, preg_replace() le permite eliminar secuencias específicas de caracteres. El siguiente patrón coincide y elimina caracteres especiales HTML:

/&#?[a-z0-9] ;/i

Este patrón busca secuencias que comienzan con , seguidas de una combinación de letras y números, y que termina en punto y coma.

Para implementar esta solución:

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

Alternativa de Jacco:

Otra opción, como sugiere Jacco en la sección de comentarios, es usar el siguiente patrón:

/&#?[a-z0-9]{2,8};/i

Este patrón limita el reemplazo a secuencias dentro de un cierto rango de caracteres, lo que reduce el riesgo de reemplazando archivos no codificados y codificados personajes en oraciones.