分析HTML代码
html一般包括以下的部分:
标签,以包裹
文档声明、注释等格式
半开标签<....>
闭合标签
内容,非以包裹,这一部分内容中多空格是无效果的
PHP正则分解html代码
html代码是以标签为界限的,所以,只要按标签分解就可以了。在PHP中使用preg_split:
$segments = preg_split("/(]+?>)/si",$html, null,PREG_SPLIT_NO_EMPTY| PREG_SPLIT_DELIM_CAPTURE);
例如,以下的代码
$html =
<title>狼魂博客</title>
<meta>
<meta><div>
<a>文章RSS</a>
<a>网站地图</a>
<a>日期归档</a>
<a>标签归档</a>
<h2><a>狼魂博客</a></h2>
<p>关注WEB,体悟生活;珍惜生命,远离代码。</p>
<div></div>
</div>
HTML;
print_r(preg_split("/(]+?>)/si",$html, -1,PREG_SPLIT_NO_EMPTY| PREG_SPLIT_DELIM_CAPTURE));
会产生如下的输出:
Array ( [0] => html> [1] => [2] => [3] => [4] => [5] => [6] => <title> [7] => 狼魂博客 [8] => </title> [9] => [10] => <meta> [11] => [12] => <meta> [13] => [14] => [15] => [16] => [17] => [18] => <div> [19] => [20] => <a> [21] => 文章RSS [22] => </a> [23] => [24] => <a> [25] => 网站地图 [26] => </a> [27] => [28] => <a> [29] => 日期归档 [30] => </a> [31] => [32] => <a> [33] => 标签归档 [34] => </a> [35] => [36] => <h2> [37] => <a> [38] => 狼魂博客 [39] => </a> [40] => </h2> [41] => [42] => <p> [43] => 关注WEB,体悟生活;珍惜生命,远离代码。 [44] => </p> [45] => [46] => <div> [47] => </div> [48] => [49] => </div> [50] => [51] => [52] => [53] => )
最简单但有损的PHP压缩
最简单的压缩就是直接连接所有的非空项,同时非标签去掉所有的空白:
$compressed = array();
foreach($segments as $seg)
{
$seg = trim($seg);
if($seg)
{
//非标签中的空白是无效的字符
$compressed[] = $seg[0] === '<p>如以上的HTML通过这样的压缩生成的代码是(为了方便显示,我手动将它们断行了):</p><pre class="brush:php;toolbar:false">html><title>狼魂博客</title><meta><meta><div>
<a>文章RSS</a>
<a>网站地图</a>
<a>日期归档</a>
<a>标签归档</a><h2>
<a>狼魂博客</a>
</h2>
<p>关注WEB,体悟生活;珍惜生命,远离代码。</p>
<div>
</div>
</div>
正常情况下这没错,但是也有“不正常”的情况:遇到不能去掉空白的内容时。比如script、code、pre、style是不可以去掉空白的,这时,就要使用栈进行压缩了:
使用栈进行安全压缩html
使用栈的规则是:<..>标签入栈,标签出栈,和<..>不理,但有一种可能的情况是,<..>不一定有结尾的反斜杠如:
<meta><meta>
都是可以的,这时就要特殊的处理这种情况:
<?php $html = <<<HTML <body><div> <a>文章RSS</a> <a>网站地图</a> <a>日期归档</a> <a>标签归档</a> <h2><a>狼魂博客</a></h2> <p>关注WEB,体悟生活;珍惜生命,远离代码。</p> <div></div> </div> <pre class="brush:php;toolbar:false;"> var say = "Hello world!"; print say;
php免费学习视频:立即使用
踏上前端学习之旅,开启通往精通之路!从前端基础到项目实战,循序渐进,一步一个脚印,迈向巅峰!










