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。
<?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 .= $part;
}
// 閉合標籤 這是一段測試
<?php
function phpos_chsubstr_ahtml($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 $result;
}
?>
<?php
function text_summary($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 . '...';
}
?>
| 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 |