|
|
开发各种项目中经常遇到截取html字符串问题。 比如博客文章列表页面截取一部分正文、文章正文翻页截取等
一般情况下先用PHP的 strip_tags 函数去掉所有html标签，再去掉空格等，然后再用substr或者自己实现的cn_substr函数来实现截取。因为如果不先去掉html标签，直接截取出来的字符串就会有没有闭合的标签出现，有时甚至会截取在标签上面比如
复制代码 代码如下: </di ...
今天遇到一个内容翻页截取问题： 正文是用富文本编辑器写入的，编辑器上有个分页按钮，点击之后就往当前光标位置插入一个蓝色的
复制代码 代码如下: <hr />
横线。然后php直接存入数据库。显示的时候，用 explode 函数根据这个
复制代码 代码如下: <hr />
标记来分成一个数组，然后根据当前页码来显示某个片段。 但是有个严重的问题，比如富文本编辑器写入：
复制代码 代码如下:
<div style="text-align:center">
content of page 1
<hr />
page 2 content
</div>
如果用explode函数分开后，
第一页的内容是
复制代码 代码如下:
<div style="text-align:center">
content of page 1
第二页的内容是：
复制代码 代码如下:
page 2 content
</div>
这样就产生了没有闭合的标签，直接显示到页面上面就会破坏页面布局。。。
想了很久，也找了网上很多 closetag函数。但是发现都针对第一页那种没有闭合的标签的闭合。对于第二种没有开头的标签就没办法了。
针对第一页那种没有闭合的标签的闭合的closetags方法是：
复制代码 代码如下:
function closetags($html) {
// 不需要补全的标签
$arr_single_tags = array('meta', 'img', 'br', 'link', 'area');
// 匹配开始标签
preg_match_all('#<([a-z]+)(?: .*)?(?<![/|/ ])>#iU', $html, $result);
$openedtags = $result[1];
// 匹配关闭标签
preg_match_all('#</([a-z]+)>#iU', $html, $result);
$closedtags = $result[1];
// 计算关闭开启标签数量，如果相同就返回html数据
$len_opened = count($openedtags);
if (count($closedtags) == $len_opened) {
return $html;
}
// 把排序数组，将最后一个开启的标签放在最前面
$openedtags = array_reverse($openedtags);
// 遍历开启标签数组
for ($i = 0; $i < $len_opened; $i++) {
// 如果需要补全的标签
if (!in_array($openedtags[$i], $arr_single_tags)) {
// 如果这个标签不在关闭的标签中
if (!in_array($openedtags[$i], $closedtags)) {
// 直接补全闭合标签
$html .= '</' . $openedtags[$i] . '>';
} else {
unset($closedtags[array_search($openedtags[$i], $closedtags)]);
}
}
}
return $html;
}
后来想了一个办法，利用浏览器自己的html解释引擎来帮助补全有问题的html片段。具体做法如下：
复制代码 代码如下:
<script>
var div = document.createElement('div');
div.innerHTML ='<?php echo ("<div>这里是被截取的html片段");?>';
document.write(div.innerHTML);
</script>
原理就是先把html片段写入到一个空的div里面，然后再从这个div里面读取出来。别看写入和读取的属性都是innerHTML，写入的内容和得到的内容是不一样的噢。如果写入不完整的html片段，浏览器会自动补全修正。读取出来的时候就已经是完整的html dom 片段了。
可是这样有个弊端，由于是Js加载内容信息的，会对搜索引擎优化不好。 |
|
发表于 2012-10-4 18:32:17
