直接用 strip_tags() 会导致数据错乱，因其不处理 HTML 实体编码（如 ）、丢失换行与样式语义，且无法还原原始语义；正确流程是 html_entity_decode() → strip_tags() → preg_replace() 规范空白。
为什么直接用 strip_tags() 会导致数据错乱
班级通信录 Excel 或 CSV 导入时，常混入富文本编辑器导出的 HTML（比如姓名列含 <span style="color:red">张三</span>），直接用 strip_tags() 看似简单，但会丢失换行、空格、内联样式语义（如“*紧急联系人*”被标粗），更严重的是：它不处理实体编码（ 、）——导入后可能变成“张三 李四”或“<email>xxx@xx.com</email>”，而非预期的纯文本。
推荐组合：先解码再剥离再规范化
正确顺序是：html_entity_decode() → strip_tags() → preg_replace() 清理残留空白。关键点在于：
-
html_entity_decode($str, ENT_QUOTES | ENT_HTML5, 'UTF-8')必须显式指定编码，否则女类中文实体会解码失败 -
strip_tags()的第二个参数可白名单保留<br>或<p>，但通信录字段（如“家庭地址”）通常不需要，建议留空彻底剥离 - 剥离后用
preg_replace('/[\r\n\t]+/', ' ', $str)合并多空行，再trim()首尾空格，避免“王五 ”这种不可见字符入库
Excel 导入时 HTML 标签藏得更深？注意 phpspreadsheet 的默认行为
用 PhpSpreadsheet 读取 .xlsx 文件时，即使单元格显示为纯文本，其原始值（$cell->getValue()）仍可能是带格式的 HTML 字符串（尤其从网页复制粘贴进 Excel 的情况）。此时不能依赖 getFormattedValue()，它可能返回空或错误格式。
实操建议：
立即学习“PHP免费学习笔记（深入）”；
- 优先用
$cell->getCalculatedValue()获取去格式化后的字符串值 - 若仍含 HTML，立即套用上一节的「解码→剥离→净化」三步流程
- 对电话、邮箱等强格式字段，额外加
filter_var($val, FILTER_SANITIZE_NUMBER_INT)（电话）或filter_var($val, FILTER_SANITIZE_EMAIL)（邮箱），防注入和误存
过滤后还要校验？别跳过空值和超长字段检查
HTML 剥离可能导致字段意外变空（例如原内容全是 <div><strong></strong></div>），或因残留 解码后变成空格，trim() 后长度为 0。这类空值若直接插入数据库，可能违反 NOT NULL 约束或造成逻辑错误。
必须在过滤后立即验证：
- 用
strlen($name) === 0判空（不用empty()，它会把 "0" 当 false） - 对姓名、班级名等字段设长度上限（如
mb_strlen($name, 'UTF-8') > 32），防止恶意填充千字文式数据 - 记录原始含标签值到日志（
error_log("Raw name: {$raw_name}");），便于后续排查清洗异常
真正麻烦的不是标签本身，而是同一份导入文件里，有的单元格走富文本路径，有的走纯文本路径，还有的混着 Markdown 和 HTML —— 过滤逻辑必须按字段单独配置，不能一套正则打天下。
