PHP HTML程式碼字串 截取實現程式碼

而且給的資料是HTML程式碼字串，例如這樣：

張三 評論了李四 分享的一篇文章文章一長串的東西

截取的時候是要截取div 標籤內部的東西，而且要保留HTML標籤，只是對其中的文字做處理。例如我可能只是截取到「李四」的「李」字，但是如果就這樣放到前端的話，「李四」前面的 a 標籤是沒有閉合的，所以截取之後要保證HTML的語法正確。

這個問題確實不太好搞，讓我鬱悶了兩天。請注意，這只是一個字串，只不過內容是HTML程式碼，是沒有什麼DOM的。如果在前端處理就好辦了，直接DOM獲取，然後對裡面的節點進行處理，最後把innerHTML 之類的東西輸出就搞定了。現在可不行了，得換個思路。同事的思路是這樣的：

遍歷字串的每一個字元。設定一個標記，碰到標籤開始的標記之後再開始計數。對標籤內部的字串處理的時候，還要先判斷目前字元的編碼是不是可能是中文，一般來說PHP中UTF-8 編碼的中文字元的長度都是3，所以如果碰到是中文字元編碼，就要跳過兩個不記數……說到這裡我自己頭已經開始大了。個人認為這種方法很不爽，首先這種精緻的邏輯不太容易控制，而且 UFT-8 編碼下中文產生的長度有可能是3個或4個 所以代碼的嚴密性值得懷疑。

我個人的思路是，用 Tidy 來搞（具體用法請看PHP手冊吧）。昨天研究了一下那個 Tidy ，發現這個東西還挺好用的。首先，把這個字串轉換成Tidy 對象，這樣：

$tidy = tidy_parse_string($str, array(), 'utf8′); // 最後一個是設定編碼的，注意，這裡是utf8 ，不是utf- 8，沒有中間那個連線。

然後取得$tidy中的body（因為轉換之後$tidy會自動加上

等標籤）：

$body = tidy_get_body($tidy);

這個時候你可以用var_dump 看一些$body 的結構，會發現它把每個標籤都變成了一個對應的對象，裡面有對應的屬性。舉例來說，例如sdf ，這麼一條語句對應的一些屬性有：

name=>”a”
value => “sdf ”
child=> array{[0]=>一個文本節點對象，value是sdf}
attribute=array{”href”=>”#”}
…..其他屬性

可以看到，我們其實是可以單獨去處理a 標籤對應節點下面的文字節點的值的，這樣就不會破壞任何HTML完整性。原來我以為改變a 標籤中文字節點的值之後， a 標籤的value也會跟著改變，那樣我直接返回a標籤對應節點的value就OK了，沒想到不是那個樣子，哎，所以處理過其中的文字之後還是要自己拼出新的HTML。

知道了Tidy物件的結構之後，一切就好辦了，只要遍歷所有的節點，對於本需求來說，就是找到那個 div 標籤，然後開始處理裡面的節點。程式碼如下：

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 - subchild->value, 'utf-8′);
}

裡面的$subchild 就是一個子節點。注意，這裡使用了 mb_strwidth 來取得字串長度。嚴重推薦這個 mb_strwidth，很好用，它會把中文當作兩個字元長度處理，正好符合這裡的需求！而且截取字串的時候用到了 mb_strimwidth，這個函數也會把中文當作兩個字元長度處理，mb_ 開頭的函數真是好用啊。

具體程式碼我就不寫出來了，因為是針對一個需求寫的，沒做成通用的形式。哪天我有時間做成通用的再發布一下。

另外，可惜FireFox不支援 text-overflow 屬性，不然也不用後台那麼辛苦地去截斷了。如果大家有更好的方法，可以留言討論，更多相關文章請關注PHP中文網（www.php.cn）！