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 字串區段擷取函數:移除 HTML 註解實作教學

前言

網頁資料採集、內容清洗、模板引擎開發常需「擷取指定區段」或「移除特定標記」。本文實作一個移除 HTML 註解(<!-- ... -->)的函數,展示字串搜尋、位置計算、子字串擷取的核心技巧,可延伸至任意標記對移除。

核心函數:strip_comments()

<?php
/**
 * 移除字串中所有 HTML 註解 (<!-- ... -->)
 *
 * @param string $data 原始字串
 * @return string      移除註解後的字串
 */
function strip_comments($data) {
    $rest   = $data;
    $result = '';

    while ($rest) {
        // 尋找下一個註解起始位置
        $start = strpos($rest, '<!--');
        
        // 找不到註解:將剩餘內容加入結果並結束
        if ($start === false) {
            $result .= $rest;
            break;
        }

        // 將註解前的內容加入結果
        $result .= substr($rest, 0, $start);

        // 尋找註解結束位置 (從 start 之後開始找)
        $end = strpos($rest, '-->', $start);
        
        // 找不到結束標記:視為不完整註解,直接結束
        if ($end === false) {
            break;
        }

        // 跳過註解區塊(含結束標記的 3 字元 -->)
        $rest = substr($rest, $end + 3);
    }

    return $result;
}
?>

使用範例

<?php
$html = '<div>可見內容<!-- 這是註解 -->更多內容<!-- 另一個註解 --></div>';

echo "原始字串:<br>";
echo htmlspecialchars($html) . "<br><br>";

$clean = strip_comments($html);
echo "處理後:<br>";
echo htmlspecialchars($clean) . "<br><br>";

// 輸出結果:
// 原始字串: <div>可見內容<!-- 這是註解 -->更多內容<!-- 另一個註解 --></div>
// 處理後: <div>可見內容更多內容</div>
?>

核心函數解析

函數用途關鍵點
strpos($haystack, $needle, $offset)尋找子字串首次出現位置回傳 int 位置或 false;$offset 指定起始搜尋位置
substr($string, $start, $length)擷取子字串$start 可為負數(從末尾算起);$length 省略則取到結尾
=== false 比對嚴格判斷「找不到」strpos 可能回傳 0(開頭),不可用 if (!$pos)

延伸應用:通用標記對移除函數

<?php
/**
 * 移除字串中所有指定標記對及其內容
 *
 * @param string $data      原始字串
 * @param string $openTag   開始標記 (如 '<script')
 * @param string $closeTag  結束標記 (如 '</script>')
 * @return string
 */
function strip_tags_content($data, $openTag, $closeTag) {
    $rest   = $data;
    $result = '';
    $openLen  = strlen($openTag);
    $closeLen = strlen($closeTag);

    while ($rest) {
        $start = strpos($rest, $openTag);
        if ($start === false) {
            $result .= $rest;
            break;
        }
        $result .= substr($rest, 0, $start);

        $end = strpos($rest, $closeTag, $start + $openLen);
        if ($end === false) break;

        $rest = substr($rest, $end + $closeLen);
    }
    return $result;
}

// 移除所有  及內容
$clean = strip_tags_content($html, '<script', '</script>');

// 移除所有  及內容
$clean = strip_tags_content($clean, '<style', '</style>');
?>

效能考量與替代方案

  • 小型字串:上述迴圈方式足夠、易理解
  • 大型 HTML 文件:建議使用 DOMDocument 解析後移除註解節點,更健壯
  • 單純移除註解:PHP 內建 tidy 擴充或 preg_replace('/<!--.*?-->/s', '', $html)(注意貪婪/非貪婪與跨行)
  • 資料採集:搭配 DOMXPath 直接查詢所需節點,而非字串處理整份文件

常見陷阱提醒

  1. strpos 回傳 0 表示在開頭找到,必須用 === false 判斷
  2. 巢狀標記(如 <div><div></div></div>)簡單字串處理會失效,需用堆疊或 DOM 解析
  3. 編碼不一致會導致位置計算錯誤,確保字串為 UTF-8 或統一編碼
copyright © 萬盛學電腦網 all rights reserved