Supprimer les caractères spéciaux HTML d'une chaîne

Lors de la création d'un flux RSS, il est crucial de supprimer les balises HTML et les caractères spéciaux pour garantir la compatibilité. Bien que strip_tags() supprime efficacement les balises, il laisse souvent des caractères spéciaux HTML.

Pour résoudre ce problème, il existe deux solutions potentielles :

html_entity_decode() :

Cette fonction décode les entités HTML et les remplace par leurs caractères correspondants. Par exemple,   serait converti en espace.

preg_replace():

À l'aide d'expressions régulières, preg_replace() vous permet de supprimer des séquences spécifiques de caractères. Le modèle suivant correspond et supprime les caractères spéciaux HTML :

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

Ce modèle recherche les séquences commençant par , suivi de une combinaison de lettres et de chiffres, et se terminant par un point-virgule.

Pour implémenter cette solution :

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

L'alternative de Jacco :

Une autre option, suggérée par Jacco dans la section des commentaires, consiste à utiliser le modèle suivant :

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

Ce modèle limite le remplacement aux séquences dans une certaine plage de caractères, réduisant ainsi le risque de remplacement des fichiers non codés et amp; caractères dans les phrases.