Jeans & Development コンピューターのことなどを綴ったメモ (旧：目から鱗 w/SQLite)

HTMLコメントを削除する方法

2008/02/19 改定

<pre><?php
$html='outside <!--[inside]--> outside <!--[inside]--> outside';
echo htmlspecialchars(preg_replace('/<!--[\s\S]*-->/','',$html));                  // 1)
echo '<br />-----<br />';
echo htmlspecialchars(preg_replace('/<!--([^-]|-[^-]|--[^>])*-->/','',$html));     // 2)
echo '<br />-----<br />';
echo htmlspecialchars(preg_replace('/<!--(([^-]|-[^-]|--[^>])*)-->/','$1',$html)); // 3)
echo '<br />-----<br />';
echo htmlspecialchars(preg_replace('/<!--(([^-]|-[^-]|--[^>])*)-->/','$2',$html)); // 4)
echo '<br />-----<br />';
echo htmlspecialchars(preg_replace('/<!--[\s\S]*?-->/','',$html));                 // 5)

実行結果

outside  outside
-----
outside  outside  outside
-----
outside [inside] outside [inside] outside
-----
outside ] outside ] outside
-----
outside  outside  outside

単に『<!--』と『-->』の間を『[\s\S]*』で認識する１の方法だと、最初の『<!--』と最後の『-->』が認識されて、だめ。

２は、『-->』を含まない文字を認識する方法。元ネタはこちら。

５は、幸之介さんにコメントをいただいてテストした方法。これのほうが２より簡単明快で、おそらくスピードも速い。

ところで、３のケースだと括弧が入れ子になっているが、$1 として認識されるのは外側らしい。内側の括弧に相当する $2 に代入されるのは、最後に使われた文字列である『 ] 』だ（４を参照）。繰り返し呼ばれることで $2 $3 $4 $5 のように連続してセットされることは無いようで、このような利用の仕方でメモリが大量に消費されることは無いと思われる。

もう一つ考察であるが、『 - 』をエスケープしていない。この文字は『 [a-z] 』の様に利用されるのであるが、このシンタックスに当てはまらない場合はエスケープしないでよいようである。