HTML-Tags entfernen

[The Loner]

hi @ all.

ich brauche eine funktion, mit der ich bequem alle HTML-tags aus einer zeichenkette entfernen kann. :)

ich hab mir dazu zwar selbst schon gedanken gemacht, doch meine version dieser funktion arbeitete ziemlich unzuverlässig, da ich nur von einem "<" bis zu einem ">" alles gelöscht habe.

wenn dazwischen doch mal ein "<" oder ">" vorkam, dann war das resultat ein einziges chaos.

also hier meine frage: hat jemand schon so eine funktion für c/c++ und evtl. auch PHP??? oder gibt es so etwas irgendwo zum download?

The Loner

[Atomic]

PHP:

echo htmlspecialchars("< Ich bin ja so ein tolle<<<r Code.>>. duda du>>da dey hey!!>");

[The Loner]

ähm, naja gibt's den quellcode der funktion auch irgendwo? ich brauch das ganze nämlich in c/c++.

ich dachte nur, da c++ und php sich _relativ_ ähnlich sind, dass sich auch die php-coder trauen eine idee zu äußern... ;)

The Loner

[Atomic]

Die Lösung hab ich ich weiß nur nicht wie du das genau willst:
Einfach alle Zeichen übersetzen zu Sonderzeichen?
Oder gleich das ganze Dokument nach seiner gültigkeit validieren?

[The Loner]

also hier ein bsp:

html-code:

<title>Mein Titel</title>
<td>test</td>


die funktion soll dann das hier liefern:


Mein Titel
test


die tags sollen einfach gelöscht werden, doch bei einer schlecht geschriebenen seite ist das echt eine qual.... :(

The Loner

[Atomic]

Und wenn da das steht:<title>Mein >> Titel</title>
<td>test</td>

Soll auch das herauskommen:
Mein >> Titel
test


Oder soll ein Fehler zurückgegeben werden?
Oder soll das garnicht berücksichtigt werden?
Oder soll der Filter einfach alle Html Zeichen in Html konforme Zeichen umwandeln?

[The Loner]

genau so soll es sein! :)
die extra >> zeichen sollten ignoriert werden, müssen aber nicht unbedingt in > umgewandelt werden.

The Loner

[Atomic]

Hmm wenn ich Zeit hab schreib ich das schnell..

So funktionierts (teorie):
Der Parser liest den String Zeichen für Zeichen
Wenn er "<" liest beginnt er die nachfolgenden zeichen als Tag-strings zu sammeln
Wenn hinter dem < kein Buchstabe/Zahl/oder "/" folgt wandelt er das Zeichen um in ein Sonderzeichen oder löscht es ganz.
Wenn "<image <" liest löscht/validiert er "<image " zu "image " und gibt den String zurück (hängt ihn an den Hauptstring an) und beginnt einen neuen tag-string
Wenn er ">" auserhalb eines tags steht valieidert er dieses zeichen (löschen oder in sonderzeichen umwandeln)

Hier eine Liste der Sonderzeichen und ihre Maskierung in Html:

http://selfhtml.teamone.de/html/allgemein/zeichen.htm

[The Loner]

du musst nicht extra die funktion für mich schreiben, könntest du aber bitte die theorie noch mal etwas ausführlicher erläutern? so richtig gerafft hab ich den sinn vom zeichenweisen einlesen nicht. :(

The Loner