0

Estoy buscando crear una expresión regular para obtener los textos que no contengan etiquetas html y/o PHP dentro de un string.

<div class="my_class">
     <div class="copy">
       © 2018 Texto
     </div>
   </div>

Hasta ahora, tengo la siguiente expresión regular

[^\s<\?ph?(h2|a ref="#")>].+\w+((?=<)|[^</*>]$)

pero aún esta incompleta, ya que, si agrego lo siguiente no funciona:

<div class="my_class">
 <h1>¿como estas?</h1>
 <div class="copy">
   © 2018 Texto
 </div>

<?php
      $valor = $CI->session->getSessionData('Mivalor');
 ?>

no selecciona "¿como estas?" y "session->getSessionData('Mivalor'); ?>"

7
  • 1
    Y aparte, puedes revisar es.stackoverflow.com/questions/90347/…
    – SJuan76
    Commented el 27 ago. 2018 a las 14:48
  • Cuando haces una pregunta sobre expresiones regulares, conviene especificar el lenguaje de programación o herramienta utilizado. html no sería válido en este contexto. Quizás te refieras a javascript o a php. Por favor, podrías editar la pregunta y añadir el detalle? Gracias.
    – Julio
    Commented el 27 ago. 2018 a las 17:50
  • Cómo quieres considerar estos casos: <div>hola <b>mundo</b></div>?
    – Julio
    Commented el 27 ago. 2018 a las 17:53
  • @Julio es genérico, solo estoy construyendo un literal que pueda leer un string con etiquetas html y que luego me gustaría pasarlo a php. Además quiero considerar todos los casos, obtener todos los valores que no sean etiquetas html.
    – Xavy
    Commented el 27 ago. 2018 a las 18:40
  • Te valdría con eliminar todas las etiquetas del fuente?
    – Julio
    Commented el 27 ago. 2018 a las 18:44

1 respuesta 1

1

Prueba con lo siguiente: <(script|style)[^>]*>[\s\S]*?<\/\1>|<\/?[^>]+>

Reemplazar por: (nada)

Explicado:

  # Primera opción: Eliminamos todas las parejas de etiquetas script y style
  #                 Se entiende que su contenido no se considera texto
  <(script|style)[^>]*> # Inicio de etiqueta script/style. Guardamos en primer grupo de captura. Pueden preceder otras cosas como atributos.
    [\s\S]*?  # Cualquier caracter 0 o más veces, con 'pereza'
  <\/\1>      # Cierre de etiqueta (debe ser igual que primer grupo de captura)
# Segunda opción. Eliminar cualquier etiqueta
# < + /(opcional) + cualquier caracter que no sea > 1 o más veces + >
|<\/?[^>]+>

Demo

4
  • Edite la pregunta nuevamente, ya que, tenia un código php que no me lo captura la expresión.
    – Xavy
    Commented el 27 ago. 2018 a las 19:31
  • Hola @Xavy. No he entendido si la respuesta te ha llegado a funcionar o no. En caso negativo, ¿puedes pasar un ejemplo con el que no funcione? Gracias
    – Julio
    Commented el 29 ago. 2018 a las 6:39
  • Estimado @Julio ese es un ejemplo de que no captura todo el texto <?php $valor = $CI->session->getSessionData('Mivalor'); ?>
    – Xavy
    Commented el 29 ago. 2018 a las 12:32
  • Eso no son etiquetas html como decías en la pregunta original. Quizás podrías editar la pregunta y poner un par de casos de ejemplo de entrada vs resultado esperado
    – Julio
    Commented el 29 ago. 2018 a las 17:03

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.