php截取html文章

php截取html文章

PHP截取html代码，考虑了html标签的闭合问题

/* 生成摘要
* @param (string) $body
*  正文
* @param (int) $size
*  摘要长度
* @param (int) $format
*  输入格式 id
*/ 
function blog_summary($body, $size, $format = NULL){ 
  $_size = mb_strlen($body, "utf-8'); 
    
  if($_size <= $size) return $body; 
    
  // 输入格式中有 PHP 过滤器 
  /*
  if(!isset($format) && filter_is_php($format)){
    return $body;
  }
  */ 
    
  $strlen_var = strlen($body); 
    
  // 不包含 html 标签 
  if(strpos($body, '<') === false){ 
    return mb_substr($body, 0, $size); 
  } 
    
  // 包含截断标志，优先 
  if($e = strpos($body, '<!-- break -->')){ 
    return mb_substr($body, 0, $e); 
  } 
    
  // html 代码标记 
  $html_tag = 0; 
    
  // 摘要字符串 
  $summary_string = ''; 
    
  /**
   * 数组用作记录摘要范围内出现的 html 标签
   * 开始和结束分别保存在 left 和 right 键名下
   * 如字符串为：<h3><p><b>a</b></h3>，假设 p 未闭合
   * 数组则为：array('left' => array('h3', 'p', 'b'), 'right' => 'b', 'h3');
   * 仅补全 html 标签，<? <% 等其它语言标记，会产生不可预知结果
   */ 
  $html_array = array('left' => array(), 'right' => array()); 
  for($i = 0; $i < $strlen_var; ++$i) { 
    if(!$size){ 
      break; 
    } 
      
    $current_var = substr($body, $i, 1); 
      
    if($current_var == '<'){ 
      // html 代码开始 
      $html_tag = 1; 
      $html_array_str = ''; 
    }else if($html_tag == 1){ 
      // 一段 html 代码结束 
      if($current_var == '>'){ 
        /**
         * 去除首尾空格，如 <br /  > < img src="" / > 等可能出现首尾空格
         */ 
        $html_array_str = trim($html_array_str); 
          
        /**
         * 判断最后一个字符是否为 /，若是，则标签已闭合，不记录
         */ 
        if(substr($html_array_str, -1) != '/'){ 
            
          // 判断第一个字符是否 /，若是，则放在 right 单元 
          $f = substr($html_array_str, 0, 1); 
          if($f == '/'){ 
            // 去掉 / 
            $html_array['right'][] = str_replace('/', '', $html_array_str); 
          }else if($f != '?'){ 
            // 判断是否为 ?，若是，则为 PHP 代码，跳过 
              
            /**
             * 判断是否有半角空格，若有，以空格分割，第一个单元为 html 标签
             * 如 <h2 class="a"> <p class="a">
             */ 
            if(strpos($html_array_str, ' ') !== false){ 
              // 分割成2个单元，可能有多个空格，如：<h2 class="" id=""> 
              $html_array['left'][] = strtolower(current(explode(' ', $html_array_str, 2))); 
            }else{ 
              /**
               * * 若没有空格，整个字符串为 html 标签，如：<b> <p> 等
               * 统一转换为小写
               */ 
              $html_array['left'][] = strtolower($html_array_str); 
            } 
          } 
        } 
          
        // 字符串重置 
        $html_array_str = ''; 
        $html_tag = 0; 
      }else{ 
        /**
         * 将< >之间的字符组成一个字符串
         * 用于提取 html 标签
         */ 
        $html_array_str .= $current_var; 
      } 
    }else{ 
      // 非 html 代码才记数 
      --$size; 
    } 
      
    $ord_var_c = ord($body{$i}); 
      
    switch (true) { 
      case (($ord_var_c & 0xE0) == 0xC0): 
        // 2 字节 
        $summary_string .= substr($body, $i, 2); 
        $i += 1; 
      break; 
      case (($ord_var_c & 0xF0) == 0xE0): 
          
        // 3 字节 
        $summary_string .= substr($body, $i, 3); 
        $i += 2; 
      break; 
      case (($ord_var_c & 0xF8) == 0xF0): 
        // 4 字节 
        $summary_string .= substr($body, $i, 4); 
        $i += 3; 
      break; 
      case (($ord_var_c & 0xFC) == 0xF8): 
        // 5 字节 
        $summary_string .= substr($body, $i, 5); 
        $i += 4; 
      break; 
      case (($ord_var_c & 0xFE) == 0xFC): 
        // 6 字节 
        $summary_string .= substr($body, $i, 6); 
        $i += 5; 
      break; 
      default: 
        // 1 字节 
        $summary_string .= $current_var; 
    } 
  } 
  
  if($html_array['left']){ 
    /**
     * 比对左右 html 标签，不足则补全
     */ 
      
    /**
     * 交换 left 顺序，补充的顺序应与 html 出现的顺序相反
     * 如待补全的字符串为：<h2>abc<b>abc<p>abc
     * 补充顺序应为：</p></b></h2>
     */ 
    $html_array['left'] = array_reverse($html_array['left']); 
      
    foreach($html_array['left'] as $index => $tag){ 
      // 判断该标签是否出现在 right 中 
      $key = array_search($tag, $html_array['right']); 
      if($key !== false){ 
        // 出现，从 right 中删除该单元 
        unset($html_array['right'][$key]); 
      }else{ 
        // 没有出现，需要补全 
        $summary_string .= '</'.$tag.'>'; 
      } 
    } 
  } 
  return $summary_string; 
} 
</pre> 
-->