Удаление специальных символов HTML из RSS-канала

При создании файлов RSS-канала удаление HTML-тегов с помощью функции PHP Strip_tags является обычной практикой. Однако этой функции часто не удается удалить специальные символы HTML-кода, такие как  , & и ©.

Чтобы эффективно удалить эти символы, рассмотрите следующие варианты:

Вариант 1. Использование html_entity_decode

Вы можете использовать html_entity_decode для декодирования этих символов обратно в их исходную форму.

$decodedContent = html_entity_decode($originalContent);

Вариант 2. Использование preg_replace

В качестве альтернативы вы можете использовать preg_replace с регулярным выражением для прямого удаления символов:

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

Этот шаблон соответствует специальным символам HTML, представленным в виде числовых объектов (  ; например) или именованные объекты ( ).

Альтернативный шаблон

Чтобы повысить точность замены, рассмотрите возможность использования следующего модифицированного шаблона, как предложено Джакко:

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

Этот шаблон ограничивает замену объектами длиной от 2 до 8 символов, что снижает риск непреднамеренных замен.