PHP截取HTML代碼串

2020-03-24 17:21:01

字體：大中小

供稿：網(wǎng)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(jié)數(shù)，UFT-8 的編碼中文字符是3個(gè)字節(jié)或者4個(gè)字節(jié)的，而顯示的時(shí)候中文會占兩個(gè)字符的長度，英文字符只占一個(gè)，全角的時(shí)候又有不同。而且給的數(shù)據(jù)是HTML代碼串，比如這樣： div >截取的時(shí)候是要截取 div 標(biāo)簽內(nèi)部的東西，而且要保留HTML標(biāo)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(biāo)簽是沒有閉合的，所以截取之后要保證HTML的語法正確。這個(gè)問題確實(shí)不太好搞，讓我郁悶了兩天。請注意，這只是一個(gè)字符串，只不過內(nèi)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(jié)點(diǎn)進(jìn)行處理，最后把innerHTML 之類的東西輸出就搞定了?，F(xiàn)在可不行了，得換個(gè)思路。同事的思路是這樣的：遍歷字符串的每一個(gè)字符。設(shè)置一個(gè)標(biāo)記，碰到標(biāo)簽開始的標(biāo)記就置為1，接下來的字符都不記數(shù)，然后碰到之后再開始計(jì)數(shù)。對標(biāo)簽內(nèi)部的字符串處理的時(shí)候，還要先判斷當(dāng)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(gè)不記數(shù) 說到這里我自己頭已經(jīng)開始大了。個(gè)人認(rèn)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(chǎn)生的長度有可能是3個(gè)或4個(gè) 所以代碼的嚴(yán)密性值得懷疑。我個(gè)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(gè) Tidy ，發(fā)現(xiàn)這個(gè)東西還是挺好用的。首先，把這個(gè)html' target='_blank'>字符串轉(zhuǎn)換成 Tidy 對象，這樣：

$tidy = tidy_parse_string($str, array(), utf8 ); // 最后一個(gè)是設(shè)置編碼的，注意，這里是utf8 ，不是utf-8，沒有中間那個(gè)連線。然后獲取$tidy中的 body（因?yàn)檗D(zhuǎn)換之后$tidy會自動加上 head body 等標(biāo)簽）：$body = tidy_get_body($tidy);這個(gè)時(shí)候你可以用 var_dump 看一些 $body 的結(jié)構(gòu)，會發(fā)現(xiàn)它把每個(gè)標(biāo)簽都變成了一個(gè)對應(yīng)的對象，里面有相應(yīng)的屬性。舉例來說，比如 a href= # sdf /a ，這么一條語句對應(yīng)的一些屬性有：name= a
value = a href= # sdf /a
child= array{[0]= 一個(gè)文本節(jié)點(diǎn)對象，value是 sdf}
attribute=array{ href = # }
..其他屬性可以看到，我們其實(shí)是可以單獨(dú)去處理 a 標(biāo)簽對應(yīng)節(jié)點(diǎn)下面的文字節(jié)點(diǎn)的值的，那樣就不會破壞任何HTML完整性。原來我以為改變 a 標(biāo)簽中文字節(jié)點(diǎn)的值之后， a 標(biāo)簽的value也會跟著改變，那樣我直接返回a標(biāo)簽對應(yīng)節(jié)點(diǎn)的value就OK了，沒想到不是那個(gè)樣子，哎，所以處理過其中的文字之后還是要自己拼出新的HTML。知道了Tidy對象的結(jié)構(gòu)之后，一切就好辦了，只要遍歷所有的節(jié)點(diǎn)，對于本需求來說，就是找到那個(gè) div 標(biāo)簽，然后開始處理里面的節(jié)點(diǎn)。代碼如下：if(mb_strwidth($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(gè)子節(jié)點(diǎn)。注意，這里使用了 mb_strwidth 來獲取字符串長度。嚴(yán)重推薦一下這個(gè) mb_strwidth，很好用，它會把中文當(dāng)作兩個(gè)字符長度處理，正好符合這里的需求！而且截取字符串的時(shí)候用到了 mb_strimwidth，這個(gè)函數(shù)也會把中文當(dāng)作兩個(gè)字符長度處理，mb_ 開頭的函數(shù)真是好用啊。具體代碼我就不寫出來了，因?yàn)槭轻槍σ粋€(gè)需求寫的，沒做成通用的形式。哪天我有時(shí)間做成通用的再發(fā)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?cái)嗔?。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(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標(biāo)記有誤，請第一時(shí)間聯(lián)系我們修改或刪除，多謝。

上一篇：PHP教程-cookie和數(shù)組的結(jié)合實(shí)現(xiàn)購物車

下一篇：PHP程序員的一些最有價(jià)值的品質(zhì)