PHP截取HTML代码串_PHP技巧_黑客防线网安服务器维护基地--Powered by WWW.RONGSEN.COM.CN

PHP截取HTML代码串

作者:黑客防线网安PHP教程基地 来源:黑客防线网安PHP教程基地 浏览次数:0

本篇关键词:代码字符标签中文
黑客防线网安网讯:  WebjxCom提示:需求:将一段文字截取一定的物理长度显示,注意,要截取的不是字符串的字节数,UFT-8的编码中文字符是3个字节或者4个字节的,而显示的时候中文会占两个字符的长度,英文字...
  WebjxCom提示:需求:将一段文字截取一定的物理长度显示注意要截取的不是字符串的字节数,UFT-8的编码中文字符是3个字节或者4个字节的,而显示的时候中文会占两个字符的长度,英文字符只占一个,全角的时候又有不同
  
  需求:将一段文字截取一定的物理长度显示,注意,要截取的不是字符串的字节数,UFT-8的编码中文字符是3个字节或者4个字节的,而显示的时候中文会占两个字符的长度,英文字符只占一个,全角的时候又有不同而且给的数据是HTML代码串,比如这样:
  
  <divclass=”aaa”><ahref=”/aaa.php?id=1″>张三</a>评论了<ahref=”/aaa.php?id=444″>李四</a>分享的<ahref=”bbb.html”>一篇文章文章一长串的东西</a></div>
  
  截取的时候是要截取div标签内部的东西,而且要保留HTML标签,只是对其中的文字做处理。比如我可能只是截取到“李四”的“李”字,但是如果就这样放到前端的话,“李四”前面的a标签是没有闭合的,所以截取之后要保证HTML的语法正确。
  
  这个问题确实不太好搞,让我郁闷了两天。请注意,这只是一个字符串,只不过内容是HTML代码,是没有什么DOM的。如果是在前端处理就好办了,直接DOM获取,然后对里面的节点进行处理,最后把innerHTML之类的东西输出就搞定了。现在可不行了,得换个思路。同事的思路是这样的:
  
  遍历字符串的每一个字符。设置一个标记,碰到标签开始的标记<就置为1,接下来的字符都不记数,然后碰到>之后再开始计数。对标签内部的字符串处理的时候,还要先判断当前字符的编码是不是可能是中文,一般来说PHP中UTF-8编码的中文字符的长度都是3,所以如果碰到是中文字符编码,就要跳过两个不记数……说到这里我自己头已经开始大了。个人认为这种方法很不爽,首先这种精致的逻辑不太容易控制,而且UFT-8编码下中文产生的长度有可能是3个或4个所以代码的严密性值得怀疑。
  
  我个人的思路是,用Tidy来搞(具体用法请看PHP手册吧)。昨天研究了一下那个Tidy,发现这个东西还是挺好用的。首先,把这个字符串转换成Tidy对象,这样:
  
  $tidy=tidy_parse_string($str,array(),‘utf8′);//最后一个是设置编码的,注意,这里是utf8,不是utf-8,没有中间那个连线。
  
  然后获取$tidy中的body(因为转换之后$tidy会自动加上<head><body>等标签):
  
  $body=tidy_get_body($tidy);
  
  这个时候你可以用var_dump看一些$body的结构,会发现它把每个标签都变成了一个对应的对象,里面有相应的属性。举例来说,比如<ahref=”#”>sdf</a>,这么一条语句对应的一些属性有:
  
  name=>”a”
  
  value=>“<ahref=”#”>sdf</a>”
  
  child=>array{[0]=>一个文本节点对象,value是sdf}
  
  attribute=array{”href”=>”#”}
  
  …..其他属性
  
  可以看到,我们其实是可以单独去处理a标签对应节点下面的文字节点的值的,那样就不会破坏任何HTML完整性。原来我以为改变a标签中文字节点的值之后,a标签的value也会跟着改变,那样我直接返回a标签对应节点的value就OK了,没想到不是那个样子,哎,所以处理过其中的文字之后还是要自己拼出新的HTML。
  
  知道了Tidy对象的结构之后,一切就好办了,只要遍历所有的节点,对于本需求来说,就是找到那个div标签,然后开始处理里面的节点。代码如下:
  
  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就是一个子节点。注意,这里使用了mb_strwidth来获取字符串长度。严重推荐一下这个mb_strwidth,很好用,它会把中文当作两个字符长度处理,正好符合这里的需求!而且截取字符串的时候用到了mb_strimwidth,这个函数也会把中文当作两个字符长度处理,mb_开头的函数真是好用啊。
  
  具体代码我就不写出来了,因为是针对一个需求写的,没做成通用的形式。哪天我有时间做成通用的再发布一下。
  
  另外,可惜FireFox不支持text-overflow属性,不然也不用后台那么辛苦地去截断了。如果大家有更好的方法,欢迎提出!不胜感激。
  
  
    黑客防线网安服务器维护方案本篇连接:http://www.rongsen.com.cn/show-17451-1.html
网站维护教程更新时间:2012-09-21 05:19:10  【打印此页】  【关闭
我要申请本站N点 | 黑客防线官网 |  
专业服务器维护及网站维护手工安全搭建环境,网站安全加固服务。黑客防线网安服务器维护基地招商进行中!QQ:29769479

footer  footer  footer  footer