PHP截取html文章

PHP技术
366
0
0
2022-04-12
/* 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;
    }


截取前效果

PHP截取html文章

截取后效果

PHP截取html文章

截取效果会自动跳过html代码不会让文章样式丢失