コンテンツをサニタイズする：Amazonのコンテンツからマークアップを削除する

Question

Amazon Webサービスを使用して、さまざまなアイテムの商品説明を取得しています。問題は、Amazonのコンテンツにマークアップが含まれていることがあり、ウェブページのレイアウトに破壊的なものがあることがあります（例：未公開のDIVなど）。

Amazonから入手したコンテンツをサニタイズしたい。私の解決策は、（これまでのところ、私の最初のリスト）次の操作を実行するために、次のようになります。

• はなどdiv、span、等の不要なタグを削除し、すべての削除など、p、ul、olよう
• をタグを維持しながら、すべてのタグから属性を
• 余分な空白を削除する（例えば複数のスペース、改行、改行、タブなど）
• 等
（タグの一部で style属性が存在しているように思える例）

私のソリューションを構築しようとする前に、誰かがより良いアイデア（または既存のソリューション）を持っているのだろうかと思います。ありがとう。それは最高のアイデアだかどうかは

Answer 1

：

余分な空白を削除します。

preg_replace('/\s+/', ' ', trim($v))

HTML要素から属性を削除します。

preg_replace('/<([^\s>]+) [^>]+>/', '<$1>', $v)

を特定の要素の削除：

を

preg_replace('/<\/?(div|span)[^>]*>/', '', $v)