PHP数组筛选含HTML标签项技巧

用 preg_match('/<[\w]1*>/i', $item) 可快速识别含 HTML 标签的数组元素，需先 is_string() 过滤非字符串项，并配合 array_filter 批量筛选，注意处理 < 实体编码及避免跨标签误匹配。> ↩

如何用 preg_match 快速识别含 HTML 标签的数组元素

PHP 数组里混入带 HTML 标签的字符串很常见，比如从富文本编辑器或 CMS 导出的数据。直接用 strip_tags() 会删内容，而筛选需求是「只留下有标签的项」——这时别想复杂，正则最直接。

核心逻辑：匹配任意成对或自闭合的 HTML 标签（如 <div>、<br/>、<p class="x">），只要字符串中出现一次就算命中。

• preg_match('/<[a-zA-Z][^>]*>/i', $item) 是轻量可靠的判断式，比全量解析快得多，且不依赖 DOM 扩展
• 注意不要用 /<.*?>/s —— 它会跨行误匹配注释或 JS 字符串里的 <，导致假阳性
• 如果数组元素可能为空或为非字符串（如 null、int），先用 is_string($item) 过滤，避免警告

用 array_filter + 匿名函数批量筛选

一次性处理整个数组，推荐用 array_filter 配合内联判断，代码干净且可读性强。

$htmlItems = array_filter($data, function($item) {
    return is_string($item) && preg_match('/<[a-zA-Z][^>]*>/i', $item);
});

几个关键点：

• 返回的是新数组，键名保留原样（若需重索引，外层套 array_values()）
• 不建议在回调里用 htmlspecialchars() 或 strip_tags() 做预处理——它们会改变原始内容，干扰标签检测
• 若要排除 XML 命名空间标签（如 <svg:rect>），正则可加强为 '/<(?![?!\/])[a-zA-Z][^>]*>/i'

遇到 < 实体编码怎么办？

有些数据里 HTML 标签被转义成 <div>，此时 preg_match 默认无法识别。不能盲目 html_entity_decode()，因为可能把本意就是显示符号的 < 错解成标签。

• 先检查是否真为实体编码：strpos($item, '<') !== false
• 仅当确认是「本该是 HTML 但被错误转义」时，才做解码：html_entity_decode($item, ENT_NOQUOTES, 'UTF-8')
• 解码后立即再进正则检测，避免污染原始数组
• 更稳妥的做法是统一清洗流程：入库前就约定好编码规则，而不是在筛选时补救

性能敏感场景下避免重复正则编译

如果这个筛选逻辑高频调用（比如在循环中处理上千条记录），每次 preg_match 都会重新编译正则，开销可测。

• 把正则模式提取为常量：define('HTML_TAG_PATTERN', '/<[a-zA-Z][^>]*>/i');
• 或使用 PCRE JIT 编译（PHP 7.2+）：preg_match(HTML_TAG_PATTERN, $item) 会被自动优化
• 极端情况可改用 strpbrk($item, '<') 快速初筛，再对含 < 的项做正则精判——但要注意 < 可能出现在 JS/CDATA 中，需二次验证

真正麻烦的不是怎么写，而是数据来源是否可信：用户输入、第三方 API、旧系统导出……每种场景下「什么是合法 HTML 标签」的定义都不同，得按实际边界来调正则，而不是套一个万能表达式。