在PHP中如何正确剥离HTML标签？strip_tags等工具异常如何解决？

针对你遇到的原生函数误判不完整标签、处理逻辑不符合预期的问题，可选择以下三种不同场景的解决方案：

方案1：基于DOMDocument的精准处理（推荐） #

该方案依赖PHP内置的DOM解析能力，只会识别符合W3C规范的合法HTML标签，不会把<test这类不完整/非标准标签开头的内容判定为需要移除的标签，完全匹配你期望的处理规则，支持自定义允许保留的标签。

function strip_legal_html_tags(string $input, array $allowed_tags = []): string
{
    if (trim($input) === '') {
        return $input;
    }
    // 预处理避免中文乱码
    $input = mb_convert_encoding($input, 'HTML-ENTITIES', 'UTF-8');
    $dom = new DOMDocument();
    // 抑制非标准HTML的解析警告
    libxml_use_internal_errors(true);
    $dom->loadHTML('<div>' . $input . '</div>', LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
    libxml_clear_errors();
    
    // 生成XPath查询规则，过滤需要保留的标签
    $exclude_rules = [];
    foreach ($allowed_tags as $tag) {
        $exclude_rules[] = 'not(name()="' . strtolower($tag) . '")';
    }
    $xpath = new DOMXPath($dom);
    foreach ($xpath->query('//*[' . implode(' and ', $exclude_rules) . ']') as $node) {
        // 保留标签内的文本内容，仅移除标签本身
        $node->parentNode->replaceChild(
            $dom->createTextNode($node->textContent),
            $node
        );
    }
    
    // 去掉外层包裹的div容器，还原原始内容
    $result = preg_replace('/^<div>|<\/div>$/', '', trim($dom->saveHTML($dom->documentElement)));
    // 若需要移除单独存在的<符号，可放开下方注释
    // $result = str_replace('<', '', $result);
    return html_entity_decode($result, ENT_QUOTES | ENT_HTML5, 'UTF-8');
}

调用示例：

// 测试输入
$test_str = '示例内容<test <p>这是合法段落标签</p> <h1>标题</h1>';
// 调用函数，允许保留p标签
echo strip_legal_html_tags($test_str, ['p']);
// 输出结果：示例内容<test <p>这是合法段落标签</p> 标题

方案2：修改voku/anti-xss配置实现标签移除 #

你正在使用的voku/anti-xss库支持通过配置切换处理逻辑，不需要编码标签的话，开启remove_html_tags参数即可直接移除识别到的合法HTML标签，无需自己实现解析逻辑：

$antiXss = new \voku\helper\AntiXSS();
// 开启直接移除HTML标签的模式，而非默认编码
$antiXss->remove_html_tags = true;
// 可选：添加需要保留的合法标签
// $antiXss->addAllowedHtmlTag('p');
// $antiXss->addAllowedHtmlTag('a');

$result = $antiXss->xss_clean($input);

方案3：轻量优化版strip_tags（性能优先） #

如果对性能要求较高，不需要100%的标签识别准确率，可以在调用原生strip_tags前先预处理非合法标签开头的<符号，大幅降低误判概率：

function optimized_strip_tags(string $input, array $allowed_tags = []): string
{
    // 合法HTML标签只能以字母、/、!开头，其余<开头内容先转义避免被strip_tags误删
    $input = preg_replace_callback('/<([^a-z\/!])/i', function ($matches) {
        return '&lt;' . $matches[1];
    }, $input);
    
    // 生成允许的标签字符串
    $allowed_tag_str = '';
    foreach ($allowed_tags as $tag) {
        $allowed_tag_str .= "<$tag>";
    }
    
    return html_entity_decode(strip_tags($input, $allowed_tag_str), ENT_QUOTES, 'UTF-8');
}

内容的提问来源于stack exchange，提问作者Andrei Dascalu