PHP完美截取HTML标签不错位



<?php
/*
 * 函数功能:实现了完整的HTML标签截取而不会错位。支持中英文混合,可以运行于支持mb_string,iconv函数和通用环境。
 * 函数说明:htmlSubString 函数为截取HTML字串的主函数,截取的类型:$maxlen可以是数字,也可以一个特定的标签,如<!--more-->,如果需要是[more]之类的UBB标签,
                           请自己手工更改一下就可以了。不明白的可以联系我帮你完成。
    strip_empty_html 函数为把多余的HTML标签去掉,但这里要注意上面的表达式也会匹配<br /></p>这样的,所以这种需要换回来才可以。
    getStringLength 函数为取得字符串的字数,中文一个汉字算一个字,英文一个字母算一个字。
    subString 函数为截取一定长度的中英文字母函数。(此函数为通用截取中文英文字符的函数,很多地方都有提供)
 * 使用方法:htmlSubString(您要处理的HTML字符串,要截取的长度或者特定的标签),截取的长度中不包括HTML标签,完全为显示在网页上的文字。
 */
//测试代码,最张校对字符数为统计截取后的字数与你需要截取的字数是否相同,如果相同,表示截取的字符串完全正确了。
$source_html=<<<HTML
 <div>a我b来c<b>测d试</b>1一下。</div><br/>
 <div>e<font color="red">有什么问题</font><a href="http://www.phpstudy.net/">请联系我</a></div>
 <div>f<!--more-->有什么问题<a href="http://www.phpstudy.net/">请联系我</a></div>
HTML;
$target_html_1=htmlSubString($source_html,3);
$target_html_2=htmlSubString($source_html,10);
$target_html_3=htmlSubString($source_html,15);
$target_html_4=htmlSubString($source_html,50);
echo "==========截取HTML字符串测试报告===========<hr>";
echo "原来的字符串:<hr>$source_html<hr><br><br>";
echo "截取3个字符,测试结果为:<hr>".$target_html_1."<hr><font color=red>最终校对字符数:</font>".getStringLength(strip_tags($target_html_1))."<br><br>";
echo "截取10个字符,测试结果为:<hr>".$target_html_2."<hr><font color=red>最终校对字符数:</font>".getStringLength(strip_tags($target_html_2))."<br><br>";
echo "截取15个字符,测试结果为:<hr>".$target_html_3."<hr><font color=red>最终校对字符数:</font>".getStringLength(strip_tags($target_html_3))."<br><br>";
echo "截取50个字符,测试结果为:<hr>".$target_html_4."<hr><font color=red>最终校对字符数:</font>".getStringLength(strip_tags($target_html_4))."<br><br>";
//结束测试代码

//以下四个函数为必须函数。
function htmlSubString($content,$maxlen=300){
 //把字符按HTML标签变成数组。
 $content = preg_split("/(<[^>]+?>)/si",$content, -1,PREG_SPLIT_NO_EMPTY| PREG_SPLIT_DELIM_CAPTURE);
 $wordrows=0; //中英字数
 $outstr="";  //生成的字串
 $wordend=false; //是否符合最大的长度
 $beginTags=0; //除<img><br><hr>这些短标签外,其它计算开始标签,如<div*>
 $endTags=0;  //计算结尾标签,如</div>,如果$beginTags==$endTags表示标签数目相对称,可以退出循环。
 //print_r($content);
 foreach($content as $value){
  if (trim($value)=="") continue; //如果该值为空,则继续下一个值
  if (strpos(";$value","<")>0){
   //如果与要载取的标签相同,则到处结束截取。
   if (trim($value)==$maxlen) {
    $wordend=true;
    continue;
   }
   if ($wordend==false){
    $outstr.=$value;
    if (!preg_match("/<img([^>]+?)>/is",$value) && !preg_match("/<param([^>]+?)>/is",$value) && !preg_match("/<!([^>]+?)>/is",$value) && !preg_match("/<br([^>]+?)>/is",$value) && !preg_match("/<hr([^>]+?)>/is",$value)) {
     $beginTags++; //除img,br,hr外的标签都加1
    }
   }else if (preg_match("/<\/([^>]+?)>/is",$value,$matches)){
    $endTags++;
    $outstr.=$value;
    if ($beginTags==$endTags && $wordend==true) break; //字已载完了,并且标签数相称,就可以退出循环。
   }else{
    if (!preg_match("/<img([^>]+?)>/is",$value) && !preg_match("/<param([^>]+?)>/is",$value) && !preg_match("/<!([^>]+?)>/is",$value) && !preg_match("/<br([^>]+?)>/is",$value) && !preg_match("/<hr([^>]+?)>/is",$value)) {
     $beginTags++; //除img,br,hr外的标签都加1
     $outstr.=$value;
    }
   }
  }else{
   if (is_numeric($maxlen)){ //截取字数
    $curLength=getStringLength($value);
    $maxLength=$curLength+$wordrows;
    if ($wordend==false){
     if ($maxLength>$maxlen){ //总字数大于要截取的字数,要在该行要截取
      $outstr.=subString($value,0,$maxlen-$wordrows);
      $wordend=true;
     }else{
      $wordrows=$maxLength;
      $outstr.=$value;
     }
    }
   }else{
    if ($wordend==false) $outstr.=$value;
   }
  }
 }
 //循环替换掉多余的标签,如<p></p>这一类
 while(preg_match("/<([^\/][^>]*?)><\/([^>]+?)>/is",$outstr)){
  $outstr=preg_replace_callback("/<([^\/][^>]*?)><\/([^>]+?)>/is","strip_empty_html",$outstr);
 }
 //把误换的标签换回来
 if (strpos(";".$outstr,"[html_")>0){
  $outstr=str_replace("[html_&lt;]","<",$outstr);
  $outstr=str_replace("[html_&gt;]",">",$outstr);
 }
 //echo htmlspecialchars($outstr);
 return $outstr;
}
//去掉多余的空标签
function strip_empty_html($matches){
 $arr_tags1=explode(" ",$matches[1]);
 if ($arr_tags1[0]==$matches[2]){ //如果前后标签相同,则替换为空。
  return "";
 }else{
  $matches[0]=str_replace("<","[html_&lt;]",$matches[0]);
  $matches[0]=str_replace(">","[html_&gt;]",$matches[0]);
  return $matches[0];
 }
}
//取得字符串的长度,包括中英文。
function getStringLength($text){
 if (function_exists('mb_substr')) {
  $length=mb_strlen($text,'UTF-8');
 } elseif (function_exists('iconv_substr')) {
  $length=iconv_strlen($text,'UTF-8');
 } else {
  preg_match_all("/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|\xe0[\xa0-\xbf][\x80-\xbf]|[\xe1-\xef][\x80-\xbf][\x80-\xbf]|\xf0[\x90-\xbf][\x80-\xbf][\x80-\xbf]|[\xf1-\xf7][\x80-\xbf][\x80-\xbf][\x80-\xbf]/", $text, $ar);  
  $length=count($ar[0]);
 }
 return $length;
}
/***********按一定长度截取字符串(包括中文)*********/
function subString($text, $start=0, $limit=12) {
 if (function_exists('mb_substr')) {
  $more = (mb_strlen($text,'UTF-8') > $limit) ? TRUE : FALSE;
  $text = mb_substr($text, 0, $limit, 'UTF-8');
  return $text;
 } elseif (function_exists('iconv_substr')) {
  $more = (iconv_strlen($text,'UTF-8') > $limit) ? TRUE : FALSE;
  $text = iconv_substr($text, 0, $limit, 'UTF-8');
  //return array($text, $more);
  return $text;
 } else {
  preg_match_all("/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|\xe0[\xa0-\xbf][\x80-\xbf]|[\xe1-\xef][\x80-\xbf][\x80-\xbf]|\xf0[\x90-\xbf][\x80-\xbf][\x80-\xbf]|[\xf1-\xf7][\x80-\xbf][\x80-\xbf][\x80-\xbf]/", $text, $ar);  
  if(func_num_args() >= 3) {  
   if (count($ar[0])>$limit) {
    $more = TRUE;
    $text = join("",array_slice($ar[0],0,$limit));
   } else {
    $more = FALSE;
    $text = join("",array_slice($ar[0],0,$limit));
   }
  } else {
   $more = FALSE;
   $text =  join("",array_slice($ar[0],0));
  }
  return $text;
 }
}
?>



相关阅读:
PHP加密解密函数,手册上的
正则表达式从句子中找出包含或不包含某单词
mysql命令修复数据库表
MySQL查询不区分大小写的sql写法
使用MySQL数据库安全事项
PHP常用开发功能函数
php数组使用技巧 PHP数组操作相关函数
CSS兼容IE与火狐浏览器超强兼容代码
php header跳转及函数详细说明
PHP数组的序列化serialize及unserialize
PHP时间函数之高级应用
PHP实现在字符标点处截断文字的函数
PHP之substr_replace指定两位置间的字符替换
php URL编码解码函数urlencode和urldecode
快速导航

Copyright © 2016 phpStudy |