HTML标签的提取与还原：PHP中安全处理带格式文本的翻译流程-php教程-PHP中文网

HTML标签的提取与还原：PHP中安全处理带格式文本的翻译流程

本文介绍一种在php中临时移除html标签、进行外部处理（如deepl翻译）后再精准还原标签位置的方法，适用于需保留原始html结构但又必须清除标签才能调用第三方api的场景。

本文介绍一种在php中临时移除html标签、进行外部处理（如deepl翻译）后再精准还原标签位置的方法，适用于需保留原始html结构但又必须清除标签才能调用第三方api的场景。

在实际开发中，常遇到需要将含HTML标记的富文本提交至不支持HTML的第三方服务（如DeepL翻译API）的情况——该API会因标签含属性（如 ）而报错或解析异常。直接strip_tags()虽能清除标签，却不可逆；而简单正则替换又易破坏嵌套结构或遗漏边界。因此，我们需要一种可逆、保序、无损定位的标签暂存方案。

核心思路是：
✅ 提取：用正则 /\]+\>/ 精确捕获所有完整起始/自闭合标签（如  、<div id="a">），并按出现顺序存入数组； ✅ 占位：将原文中所有匹配标签统一替换为唯一、无歧义的占位符（如 <code>）；
✅ 还原：对处理后的字符串执行回调替换，按顺序将原标签逐一填回占位符位置。

以下为完整可运行示例：

$str1 = "<p style="color:red;">red</p><strong style="color:green;">green</strong>";

// 步骤1：提取所有HTML标签（保持顺序）
$pattern = '/]+>/';
preg_match_all($pattern, $str1, $matches);
$replacements = $matches[0]; // ['<p style="\'color:red;\'">', '</p>', '<strong style="\'color:green;\'">', '</strong>']

// 步骤2：用' ' 占位所有标签（注意： 本身不会出现在合法HTML中，安全）
$str2 = preg_replace($pattern, '', $str1); // " red green "

// 步骤3：假设此处调用 DeepL API 翻译 $str2 → 得到 $translated
// $translated = " rojo verde "; // 示例翻译结果（西班牙语）

// 步骤4：按序还原标签
$str3 = preg_replace_callback('//', function($m) use (&$replacements) {
    return array_shift($replacements);
}, $str2);

echo "原始: " . htmlspecialchars($str1) . "\n";
echo "去标: " . htmlspecialchars($str2) . "\n";
echo "还原: " . htmlspecialchars($str3) . "\n";
// 输出: <p style="color:red;">rojo</p><strong style="color:green;">verde</strong>

⚠️ 注意事项：