php 截取HTML字符串

  php截取html字符串,她可以保证html的标签完整,因而截取后不会破坏页面的布局!贴出来和php爱好者和爱好php学习的朋友们分享分享!

<?php

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){

     $outstr=str_replace("[html_<]","<",$outstr);

     $outstr=str_replace("[html_>]",">",$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{

     $matches[0]=str_replace("<","[html_<]",$matches[0]);

     $matches[0]=str_replace(">","[html_>]",$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;

   }

}

?>

 

 

<?php

 

  $str = '<table width="100%" border="0" cellspacing="0" cellpadding="0">

  <tr>

    <td>asdfasdfasdfasdf</td>

    <td>&asdfasdfasdfasdf;</td>

  </tr>

  <tr>

    <td>&nasdfasdfasbsp;</td>

    <td>&asdfasdfasdfndfasdfasdfasdfasdffasfasdfasdfasdfasdfbsp;</td>

  </tr>

</table>

';

//掉用htmlSubString方法

//echo $a=strlen($str);

$str = htmlSubString($str,10);

echo $str;

 

?>