PHP正则表达式：排除特定span标签捕获目标标题文本

问题描述 #

将现有文本如下：<p>Portable <span class="shlt">Adobe</span> <span class="shlt">After</span> <span class="shlt">Effects</span> CC <span class="shlt">2018</span> 15.1.1.12 (x64)</p>，其中部分词汇被<span class="shlt"></span>标签包裹。我需要仅捕获目标标题「Portable Adobe After Effects CC 2018 15.1.1.12 (x64)」，能否避免捕获<span class="shlt">和</span>标签？目前我尝试捕获标签间的词汇，是否有更优方案？请提供PHP环境下的正则表达式示例。

更优解决方案思路 #

你完全不用逐个去捕获标签间的内容，直接移除所有目标<span>标签或者提取<p>标签内的全部纯文本会更高效、更健壮。这里提供两种PHP实现方案：

方案1：正则表达式替换标签

直接匹配所有<span class="shlt">和</span>标签并替换为空，一步就能得到纯文本标题：

$html = '<p>Portable <span class="shlt">Adobe</span> <span class="shlt">After</span> <span class="shlt">Effects</span> CC <span class="shlt">2018</span> 15.1.1.12 (x64)</p>';

// 匹配并移除指定的span标签
$cleanTitle = preg_replace('/<\/?span class="shlt">/i', '', $html);
// 移除外层的p标签（如果不需要保留的话）
$cleanTitle = strip_tags($cleanTitle);

echo $cleanTitle;
// 输出：Portable Adobe After Effects CC 2018 15.1.1.12 (x64)

方案2：用DOMDocument解析（更可靠）

如果后续HTML结构可能有变化，用DOM解析比正则更稳定，能避免正则匹配失败的情况：

$html = '<p>Portable <span class="shlt">Adobe</span> <span class="shlt">After</span> <span class="shlt">Effects</span> CC <span class="shlt">2018</span> 15.1.1.12 (x64)</p>';

$dom = new DOMDocument();
// 抑制HTML解析过程中的警告（可选，处理不规范HTML时有用）
libxml_use_internal_errors(true);
$dom->loadHTML($html);
libxml_clear_errors();

// 获取p标签内的纯文本内容
$pTag = $dom->getElementsByTagName('p')->item(0);
$cleanTitle = trim($pTag->textContent);

echo $cleanTitle;
// 输出：Portable Adobe After Effects CC 2018 15.1.1.12 (x64)

为什么不推荐逐个捕获标签内容？ #

逐个捕获标签间的内容需要编写更复杂的正则，还要额外处理标签外的零散文本（比如"Portable "、" CC "这些），代码冗余且容易遗漏内容。直接移除目标标签或提取纯文本的方式，既简洁又能覆盖所有场景。

内容的提问来源于stack exchange，提问作者The Bang Bandit