如何在PHP中移除XML文件CDATA内HTML标签属性并保留原有格式

直接使用preg_replace对整个XML字符串做匹配会出现格式错乱，核心原因是正则无法精准区分XML结构、CDATA边界和HTML属性，容易误改非目标内容、破坏XML原有排版。推荐使用DOM扩展分层处理，既能精准移除style属性，也能完全保留原XML的格式：

实现步骤 #

1. 加载原XML时配置保留空白、不自动格式化，保证原有XML的缩进、换行、空格完全不变
2. 提取XML中CDATA节点内的HTML内容单独处理，不触碰XML其他结构
3. 解析HTML片段后遍历所有元素，移除目标属性
4. 处理完成后将HTML写回CDATA节点，再保存XML

代码示例 #

<?php
// 加载原XML，保留原始格式
$xml = new DOMDocument();
$xml->preserveWhiteSpace = true;
$xml->formatOutput = false;
$xml->load('你的源文件路径.xml');

// 匹配所有description标签，可根据实际需求修改目标标签名
$targetNodes = $xml->getElementsByTagName('description');
foreach ($targetNodes as $node) {
    foreach ($node->childNodes as $child) {
        // 仅处理CDATA节点
        if ($child->nodeType == XML_CDATA_SECTION_NODE) {
            $rawHtml = $child->nodeValue;
            
            // 解析CDATA内的HTML片段
            $htmlDom = new DOMDocument();
            // 兼容不规范HTML，抑制非致命警告
            @$htmlDom->loadHTML(
                mb_convert_encoding($rawHtml, 'HTML-ENTITIES', 'UTF-8'),
                LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD
            );
            
            // 遍历所有HTML元素，移除style属性
            $allElements = $htmlDom->getElementsByTagName('*');
            foreach ($allElements as $elem) {
                if ($elem->hasAttribute('style')) {
                    $elem->removeAttribute('style');
                }
                // 如需移除其他属性，可在此处新增对应判断逻辑
            }
            
            // 处理完成后写回CDATA节点
            $processedHtml = $htmlDom->saveHTML();
            $newCdataNode = $xml->createCDATASection($processedHtml);
            $node->replaceChild($newCdataNode, $child);
        }
    }
}

// 保存处理后的文件，原有格式完全保留
$xml->save('你的输出文件路径.xml');
?>

简单场景正则方案 #

如果你的HTML结构非常简单、没有属性值嵌套引号等复杂情况，也可以用正则仅对CDATA内容做匹配，避免误改XML结构：

$rawContent = file_get_contents('你的源文件路径.xml');
$processedContent = preg_replace_callback('/<!\[CDATA\[(.*?)\]\]>/s', function($matches) {
    // 仅对CDATA内的内容移除style属性
    $cleanHtml = preg_replace('/\s+style\s*=\s*(["\'])[^\1]*?\1/i', '', $matches[1]);
    return '<![CDATA[' . $cleanHtml . ']]>';
}, $rawContent);
file_put_contents('你的输出文件路径.xml', $processedContent);

注意：正则方案容错性低，复杂场景下仍推荐使用DOM处理。

内容的提问来源于stack exchange，提问作者user3452136