萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP 截取 HTML 字串並自動補全標籤:避免結構破壞

前言

直接 substr() 截取 HTML 會導致標籤未閉合、結構破壞。本文提供兩個成熟函數:subHtml() 基於標籤堆疊自動補全,phpos_chsubstr_ahtml() 針對中英文混排優化,均可生成結構完整的摘要片段。

方案一:標籤堆疊法 subHtml()(推薦)

<?php
/**
 * 截取 HTML 並自動補全閉合標籤
 * @param string $html 原始 HTML
 * @param int $length 最大文字長度(不含標籤)
 * @return string 截取後的完整 HTML
 */
function subHtml($html, $length) {
    $result = '';
    $tagStack = [];
    $textLen = 0;

    // 分割:保留標籤作為獨立元素
    $parts = preg_split('~(<[^>]+?>)~si', $html, -1, PREG_SPLIT_NO_EMPTY | PREG_SPLIT_DELIM_CAPTURE);

    foreach ($parts as $part) {
        if (trim($part) === '') continue;

        // 自閉合標籤 
直接輸出 if (preg_match('~<([a-z0-9]+)[^>]*?/>~si', $part)) { $result .= $part; } // 閉合標籤
elseif (preg_match('~</([a-z0-9]+)[^>]*?>~si', $part, $m)) { if ($tagStack && end($tagStack) === $m[1]) { array_pop($tagStack); $result .= $part; } } // 開啟標籤
elseif (preg_match('~<([a-z0-9]+)[^>]*?>~si', $part, $m)) { $tagStack[] = $m[1]; $result .= $part; } // 註釋 elseif (preg_match('~<!--.*?-->~si', $part)) { $result .= $part; } // 純文字 else { $partLen = mb_strlen($part, 'UTF-8'); if ($textLen + $partLen <= $length) { $result .= $part; $textLen += $partLen; } else { $remain = $length - $textLen; if ($remain > 0) { $result .= mb_substr($part, 0, $remain, 'UTF-8'); } break; // 達到長度限制 } } } // 補全未閉合標籤(逆序) while ($tag = array_pop($tagStack)) { $result .= "</$tag>"; } return $result; } // 測試 $html = '<div><p>這是一段<strong>測試</strong>內容</p><ul><li>項目1</li><li>項目2</li></ul></div>'; echo subHtml($html, 10); // 輸出:

這是一段測試

(標籤完整閉合) ?>

方案二:針對中英文混排優化版

<?php
function phpos_chsubstr_ahtml($str, $num, $more = false) {
    $len = strlen($str);
    if ($num >= $len) return $str;

    $word = 0; $i = 0;
    $stag = []; $etag = []; // 開始/結束標籤堆疊
    $sp = $ep = 0;

    while ($word != $num && $i < $len) {
        $ord = ord($str[$i]);
        if ($ord > 128) { // 中文字元 (UTF-8 多位元組)
            $i += 3; // 簡略處理,實際應按 UTF-8 字節數
            $word++;
        }
        elseif ($str[$i] === '<') {
            if ($str[$i+1] === '!') { $i++; continue; } // 註釋
            $isEnd = ($str[$i+1] === '/');
            $ref = &$isEnd ? $etag : $stag;
            $k = &$isEnd ? $ep : $sp;
            $i += $isEnd ? 2 : 1;

            for (; $i < $len; $i++) {
                if ($str[$i] === ' ' || $str[$i] === '>') {
                    $ref[$k] = implode('', $ref[$k]);
                    $k++;
                    if ($str[$i] === '>') break;
                } else {
                    $ref[$k][] = $str[$i];
                }
            }
            $i++;
        } else {
            $word++; $i++;
        }
    }

    // 配對移除已閉合標籤
    foreach ($etag as $val) {
        $key = array_search($val, $stag);
        if ($key !== false) unset($stag[$key]);
    }
    // 移除無需閉合標籤
    foreach ($stag as $k => $val) {
        if (in_array($val, ['br', 'img', 'hr', 'input'])) unset($stag[$k]);
    }

    $stag = array_reverse($stag);
    $ends = '</' . implode('></', $stag) . '>';
    $result = substr($str, 0, $i) . $ends;
    if ($more) $result .= '...';
    return $result;
}
?>

方案三:文章摘要專用(保留段落結構)

<?php
function text_summary($text, $length) {
    if (mb_strlen($text, 'UTF-8') <= $length) return $text;

    $summary = mb_substr($text, 0, $length, 'UTF-8');
    // 匹配區塊級標籤
    $blockTags = 'P|DIV|H[1-6]|ADDRESS|PRE|TABLE|TR|TD|TH|UL|OL|LI|BLOCKQUOTE|SECTION|ARTICLE|ASIDE';
    $singleTags = 'BR|HR|IMG|INPUT|META|LINK|BASE|PARAM|AREA|SOURCE|TRACK|WBR';

    $stack = []; $posStack = [];
    mb_regex_encoding('UTF-8');
    mb_ereg_search_init($summary, "<(/?)($blockTags|$singleTags)[^>]*(>?)>", 'i');

    while ($pos = mb_ereg_search_pos()) {
        $regs = mb_ereg_search_getregs();
        // $regs[1] = '/' (閉合) 或 '' (開啟)
        // $regs[2] = 標籤名
        // $regs[3] = '>' 或 '' (自閉合)
        if ($regs[1] === '') { // 開啟標籤
            if ($regs[3] !== '' && mb_eregi("^($singleTags)$", $regs[2])) continue; // 自閉合跳過
            $stack[] = strtoupper($regs[2]);
            $posStack[] = $pos[0];
        } else { // 閉合標籤
            $tag = strtoupper($regs[2]);
            $idx = array_search($tag, $stack);
            if ($idx !== false) {
                array_splice($stack, $idx, 1);
                array_splice($posStack, $idx, 1);
            }
        }
    }

    // 補全剩餘標籤
    $suffix = '';
    for ($i = count($stack) - 1; $i >= 0; $i--) {
        $suffix .= "</{$stack[$i]}>";
    }
    return $summary . $suffix . '...';
}
?>

選型建議

函數適用場景特點
subHtml通用 HTML 片段截取標籤堆疊嚴謹、支援巢狀、UTF-8 安全
phpos_chsubstr_ahtml舊專案、純 PHP 無 mbstring手動解析字節、相容舊環境
text_summary文章/部落格摘要針對區塊級標籤、保留語意結構
copyright © 萬盛學電腦網 all rights reserved