PHP截取HTML代碼串

2020-03-24 17:21:01

字體：大中小

來源：轉載

供稿：網友

需求：將一段文字截取一定的物理長度顯示，注意，要截取的不是字符串的字節數，UFT-8 的編碼中文字符是3個字節或者4個字節的，而顯示的時候中文會占兩個字符的長度，英文字符只占一個，全角的時候又有不同。而且給的數據是HTML代碼串，比如這樣： div >截取的時候是要截取 div 標簽內部的東西，而且要保留HTML標簽，只是對其中的文字做處理。比如我可能只是截取到李四的李字，但是如果就這樣放到前端的話，李四前面的 a 標簽是沒有閉合的，所以截取之后要保證HTML的語法正確。這個問題確實不太好搞，讓我郁悶了兩天。請注意，這只是一個字符串，只不過內容是HTML代碼，是沒有什么DOM的。如果是在前端處理就好辦了，直接DOM獲取，然后對里面的節點進行處理，最后把innerHTML 之類的東西輸出就搞定了?，F在可不行了，得換個思路。同事的思路是這樣的：遍歷字符串的每一個字符。設置一個標記，碰到標簽開始的標記就置為1，接下來的字符都不記數，然后碰到之后再開始計數。對標簽內部的字符串處理的時候，還要先判斷當前字符的編碼是不是可能是中文，一般來說PHP中 UTF-8 編碼的中文字符的長度都是3，所以如果碰到是中文字符編碼，就要跳過兩個不記數說到這里我自己頭已經開始大了。個人認為這種方法很不爽，首先這種精致的邏輯不太容易控制，而且 UFT-8 編碼下中文產生的長度有可能是3個或4個所以代碼的嚴密性值得懷疑。我個人的思路是，用 Tidy 來搞（具體用法請看PHP手冊吧）。昨天研究了一下那個 Tidy ，發現這個東西還是挺好用的。首先，把這個html' target='_blank'>字符串轉換成 Tidy 對象，這樣：

$tidy = tidy_parse_string($str, array(), utf8 ); // 最后一個是設置編碼的，注意，這里是utf8 ，不是utf-8，沒有中間那個連線。然后獲取$tidy中的 body（因為轉換之后$tidy會自動加上 head body 等標簽）：$body = tidy_get_body($tidy);這個時候你可以用 var_dump 看一些 $body 的結構，會發現它把每個標簽都變成了一個對應的對象，里面有相應的屬性。舉例來說，比如 a href= # sdf /a ，這么一條語句對應的一些屬性有：name= a
value = a href= # sdf /a
child= array{[0]= 一個文本節點對象，value是 sdf}
attribute=array{ href = # }
..其他屬性可以看到，我們其實是可以單獨去處理 a 標簽對應節點下面的文字節點的值的，那樣就不會破壞任何HTML完整性。原來我以為改變 a 標簽中文字節點的值之后， a 標簽的value也會跟著改變，那樣我直接返回a標簽對應節點的value就OK了，沒想到不是那個樣子，哎，所以處理過其中的文字之后還是要自己拼出新的HTML。知道了Tidy對象的結構之后，一切就好辦了，只要遍歷所有的節點，對于本需求來說，就是找到那個 div 標簽，然后開始處理里面的節點。代碼如下：if(mb_strwidth($subchild- value, utf-8 ) = $len)
{
$subchild- value = mb_strimwidth($subchild- value, 0, $len, , utf-8 );
$trimed_str .= $subchild- value;
break;
}
else
{
$trimed_str .= $subchild- value;
$len = $len - mb_strwidth($subchild- value, utf-8 );
}里面的$subchild 就是一個子節點。注意，這里使用了 mb_strwidth 來獲取字符串長度。嚴重推薦一下這個 mb_strwidth，很好用，它會把中文當作兩個字符長度處理，正好符合這里的需求！而且截取字符串的時候用到了 mb_strimwidth，這個函數也會把中文當作兩個字符長度處理，mb_ 開頭的函數真是好用啊。具體代碼我就不寫出來了，因為是針對一個需求寫的，沒做成通用的形式。哪天我有時間做成通用的再發布一下。另外，可惜FireFox不支持 text-overflow 屬性，不然也不用后臺那么辛苦地去截斷了。如果大家有更好的方法，歡迎提出！不勝感激。html教程

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。

上一篇：PHP教程-cookie和數組的結合實現購物車

下一篇：PHP程序員的一些最有價值的品質