Removendo caracteres especiais HTML de uma string

Ao criar um feed RSS, é crucial remover tags HTML e caracteres especiais para garantir a compatibilidade. Embora strip_tags() remova tags efetivamente, muitas vezes deixa para trás caracteres especiais HTML.

Para resolver esse problema, existem duas soluções possíveis:

html_entity_decode():

Esta função decodifica entidades HTML e as substitui por seus caracteres correspondentes. Por exemplo,   seria convertido em um espaço.

preg_replace():

Usando expressões regulares, preg_replace() permite remover sequências específicas de caracteres. O padrão a seguir corresponde e remove caracteres especiais HTML:

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

Este padrão procura sequências começando com , seguidas por uma combinação de letras e números e terminando com ponto e vírgula.

Para implementar esta solução:

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

Alternativa de Jacco:

Outra opção , conforme sugerido por Jacco na seção de comentários, é usar o seguinte padrão:

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

Este padrão limita a substituição a sequências dentro de um determinado intervalo de caracteres, reduzindo o risco de substituir acidentalmente arquivos não codificados e caracteres em frases.