PHP将HTML转换成文本一些方法总结

在php中html转换成文本提供了自带的函数strip_tags了，但有时此函数不够用，下面总结了一些用户自定的函数，各位可参考。

最常用的使用php函数strip_tags

<?php
$mystr=<<<SATO
此处省略几十行HTML代码^_^
SATO;
$str=strip_tags($mystr);
//到这里就已经达到我的HTML转为TXT文本的目的了，哈哈，使用这个函数真方便
//下面是插件的一些切词等操作，这里就不多说了
?>

自定义函数

<?php
// $document 应包含一个 HTML 文档。
// 本例将去掉 HTML 标记，javascript 代码
// 和空白字符。还会将一些通用的
// HTML 实体转换成相应的文本。
$search = array ("&#39;<script[^>]*?>.*?</script>&#39;si",  // 去掉 javascript
                 "&#39;<[/!]*?[^<>]*?>&#39;si",           // 去掉 HTML 标记
                 "&#39;([rn])[s]+&#39;",                 // 去掉空白字符
                 "&#39;&(quot|#34);&#39;i",                 // 替换 HTML 实体
                 "&#39;&(amp|#38);&#39;i",
                 "&#39;&(lt|#60);&#39;i",
                 "&#39;&(gt|#62);&#39;i",
                 "&#39;&(nbsp|#160);&#39;i",
                 "&#39;&(iexcl|#161);&#39;i",
                 "&#39;&(cent|#162);&#39;i",
                 "&#39;&(pound|#163);&#39;i",
                 "&#39;&(copy|#169);&#39;i",
                 "&#39;&#(d+);&#39;e");                    // 作为 PHP 代码运行
$replace = array ("",
                  "",
                  "1",
                  "\"",
                  "&",
                  "<",
                  ">",
                  " ",
                  chr(161),
                  chr(162),
                  chr(163),
                  chr(169),
                  "chr(1)");
$text = preg_replace ($search, $replace, $document);
?>

后来我从网上看到了一个使用PHP写的方法，使用这个方法也可以实现将HTML转为TXT文本，个人觉得也还蛮实用的，在这里分享一下，代码如下：

function HtmlToText($str){
  $str=preg_replace("/<sty(.*)/style>|<scr(.*)/script>|<!--(.*)-->/isU","",$str);//去除CSS样式、JS脚本、HTML注释
  $alltext="";//用于保存TXT文本的变量
  $start=1;//用于检测<左、>右标签的控制开关
  for($i=0;$i<strlen($str);$i++){//遍历经过处理后的字符串中的每一个字符
    if(($start==0)&&($str[$i]==">")){//如果检测到>右标签，则使用$start=1;开启截取功能
      $start=1;
    }else if($start==1){//截取功能
      if($str[$i]=="<"){//如果字符是<左标签，则使用<font color=&#39;red&#39;>|</font>替换
        $start=0;
        $alltext.="<font color=&#39;red&#39;>|</font>";
      }else if(ord($str[$i])>31){//如果字符是ASCII大于31的有效字符，则将字符添加到$alltext变量中
        $alltext.=$str[$i];
      }
    }
}
//下方是去除空格和一些特殊字符的操作
$alltext = str_replace("　"," ",$alltext);
$alltext = preg_replace("/&([^;&]*)(;|&)/","",$alltext);
$alltext = preg_replace("/[ ]+/s"," ",$alltext);
return $alltext;
}

使用上面这个方法也可以实现将简答的HTML代码转换为TXT文本。

例3

function html2text($str,$encode = 'GB2312')
{
  $str = preg_replace("/<style .*?</style>/is", "", $str);
  $str = preg_replace("/<script .*?</script>/is", "", $str);
  $str = preg_replace("/<br s*/?/>/i", "n", $str);
  $str = preg_replace("/</?p>/i", "nn", $str);
  $str = preg_replace("/</?td>/i", "n", $str);
  $str = preg_replace("/</?div>/i", "n", $str);
  $str = preg_replace("/</?blockquote>/i", "n", $str);
  $str = preg_replace("/</?li>/i", "n", $str);
  $str = preg_replace("/ /i", " ", $str);
  $str = preg_replace("/&nbsp/i", " ", $str);
  $str = preg_replace("/&/i", "&", $str);
  $str = preg_replace("/&amp/i", "&", $str);
  $str = preg_replace("/</i", "<", $str);
  $str = preg_replace("/&lt/i", "<", $str);
  $str = preg_replace("/&ldquo;/i", &#39;"&#39;, $str);
  $str = preg_replace("/&ldquo/i", &#39;"&#39;, $str);
     $str = preg_replace("/&lsquo;/i", "&#39;", $str);
     $str = preg_replace("/&lsquo/i", "&#39;", $str);
     $str = preg_replace("/&rsquo;/i", "&#39;", $str);
     $str = preg_replace("/&rsquo/i", "&#39;", $str);
  $str = preg_replace("/>/i", ">", $str);
  $str = preg_replace("/&gt/i", ">", $str);
  $str = preg_replace("/&rdquo;/i", &#39;"&#39;, $str);
  $str = preg_replace("/&rdquo/i", &#39;"&#39;, $str);
  $str = strip_tags($str);
  $str = html_entity_decode($str, ENT_QUOTES, $encode);
  $str = preg_replace("/&#.*?;/i", "", $str);
     
  return $str;
}

本文地址：

转载随意，但请附上文章地址:-)