PHP判断字符串是否含HTML标签技巧

常见错误现象：表单限制 20 字，用户输入 你好 却被截断或报错——因为 strlen() 算了 13 个字符（含尖括号、斜杠、字母）。

• 如果你要校验用户可读内容长度（如评论、标题），必须先剥离标签
• strlen() 快、无依赖，但纯看字节，不理解 HTML 结构
• 注意：它对 UTF-8 中文也按字节算，strlen("你好") 返回 6（每个中文 3 字节），不是 2 —— 这是另一个坑，和标签无关但常被混淆

用 strip_tags() 去标签再测长度最常用

strip_tags() 是 PHP 内置函数，能快速移除字符串中所有 HTML 和 PHP 标签，保留纯文本内容，适合大多数场景。

实操建议：

• 基础用法：strlen(strip_tags($html)) —— 但注意，这仍用 strlen()，对中文不友好
• 更稳妥的中文长度判断：mb_strlen(strip_tags($html), 'UTF-8')，确保一个汉字算 1 个长度单位
• 想保留某些标签（如只允许
、

  ）？传第二个参数：strip_tags($html, ['
', '

  '])（注意写法是数组，且标签需带 <>）

• 它不会解析嵌套或畸形 HTML（如 ），但日常富文本编辑器输出基本够用

为什么不用 html_entity_decode() + strip_tags() 组合？

有些内容里混着 HTML 实体（如  、<），strip_tags() 对它们无效——它只删标签，不转义实体。所以如果原始字符串是 "Hello  <b>World</b>"，直接 strip_tags() 得到的是 "Hello  <b>World</b>"，长度还是错的。

这时需要先解码再剥离：

• 顺序不能错：必须 html_entity_decode($str, ENT_QUOTES | ENT_HTML5, 'UTF-8') → strip_tags() → mb_strlen(..., 'UTF-8')
• ENT_HTML5 比默认的 ENT_COMPAT 更兼容现代 HTML 实体（如 '）
• 注意：解码可能引入 XSS 风险，仅在你信任来源或后续还会过滤时使用；若只是测长度，且内容来自用户输入，建议先 strip_tags()，再对结果做实体解码（更安全）

复杂 HTML（如 script/style/注释）要额外清理

strip_tags() 不处理 Hi → strip_tags() 后是 alert(1)Hi → 长度为 9，而非期望的 2。

解决方法有限但明确：

• 用正则粗筛（简单场景）：preg_replace('/<(script|style|textarea)[^>]*>.*?<\/\\1>/is', '', $html)，再配合 strip_tags()
• 删注释：preg_replace('//', '', $html)
• 真正健壮的方案应使用 DOM 解析（如 DOMDocument），但性能开销大，仅在高安全要求或结构复杂时值得投入

实际项目中，多数富文本字段已由前端 editor（如 TinyMCE、Quill）做过基础清洗，后端重点防的是绕过前端的恶意提交——所以“strip_tags + 实体解码 + mb_strlen”覆盖了 95% 的真实需求。剩下那 5%，往往卡在 DOM 层级的嵌套逻辑或自定义标签上，得按需补正则或换解析器。

今天关于《PHP判断字符串是否含HTML标签技巧》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！