php對包含html標簽的字符串進行截取的函數分享

這個方法的作用是：php截取含有html標簽的字符串，如果標簽未閉合就閉合標簽，防止未閉合的標簽破壞原網頁布局。截取完之後將多余的內容替換為...或者其他任意字符，支持錨點指定替換到指定位置。

/*
* ============================== 截取含有 html標簽的字符串 =========================
* @param (string) $str   待截取字符串
* @param (int)  $lenth  截取長度
* @param (string) $repalce 超出的內容用$repalce替換之（該參數可以為帶有html標簽的字符串）
* @param (string) $anchor 截取錨點，如果截取過程中遇到這個標記錨點就截至該錨點處
* @return (string) $result 返回值
* @demo  $res = cut_html_str($str, 256, '...'); //截取256個長度，其余部分用'...'替換
* -------------------------------------------------------------------------------
* $ Author: Wang Jian.	|	Email: [email protected]	|	Date: 2014/03/16
* ===============================================================================
*/ 
function cut_html_str($str, $lenth, $replace='', $anchor='<!-- break -->'){ 
	$_lenth = mb_strlen($str, "utf-8");	// 統計字符串長度（中、英文都算一個字符）
	if($_lenth <= $lenth){
		return $str;	// 傳入的字符串長度小於截取長度，原樣返回
	}
	$strlen_var = strlen($str); 	// 統計字符串長度（UTF8編碼下-中文算3個字符，英文算一個字符）
	if(strpos($str, '<') === false){ 
		return mb_substr($str, 0, $lenth);	// 不包含 html 標簽 ，直接截取
	} 
	if($e = strpos($str, $anchor)){ 
		return mb_substr($str, 0, $e);	// 包含截斷標志，優先
	} 
	$html_tag = 0; 	// html 代碼標記 
	$result = ''; 	// 摘要字符串
	$html_array = array('left' => array(), 'right' => array()); //記錄截取後字符串內出現的 html 標簽，開始=>left,結束=>right
	/*
	* 如字符串為：<h3><p><b>a</b></h3>，假設p未閉合，數組則為：array('left'=>array('h3','p','b'), 'right'=>'b','h3');
	* 僅補全 html 標簽，<? <% 等其它語言標記，會產生不可預知結果
	*/ 
	for($i = 0; $i < $strlen_var; ++$i) { 
		if(!$lenth) break;	// 遍歷完之後跳出
		$current_var = substr($str, $i, 1); // 當前字符
		if($current_var == '<'){ // html 代碼開始 
			$html_tag = 1; 
			$html_array_str = ''; 
		}else if($html_tag == 1){ // 一段 html 代碼結束 
			if($current_var == '>'){ 
				$html_array_str = trim($html_array_str); //去除首尾空格，如 <br / > < img src="" / > 等可能出現首尾空格
				if(substr($html_array_str, -1) != '/'){ //判斷最後一個字符是否為 /，若是，則標簽已閉合，不記錄
					// 判斷第一個字符是否 /，若是，則放在 right 單元 
					$f = substr($html_array_str, 0, 1); 
					if($f == '/'){ 
						$html_array['right'][] = str_replace('/', '', $html_array_str); // 去掉 '/' 
					}else if($f != '?'){ // 若是?，則為 PHP 代碼，跳過
						// 若有半角空格，以空格分割，第一個單元為 html 標簽。如：<h2 class="a"> <p class="a"> 
						if(strpos($html_array_str, ' ') !== false){ 
						// 分割成2個單元，可能有多個空格，如：<h2 class="" id=""> 
						$html_array['left'][] = strtolower(current(explode(' ', $html_array_str, 2))); 
						}else{ 
						//若沒有空格，整個字符串為 html 標簽，如：<b> <p> 等，統一轉換為小寫
						$html_array['left'][] = strtolower($html_array_str); 
						} 
					} 
				} 
				$html_array_str = ''; // 字符串重置
				$html_tag = 0; 
			}else{ 
				$html_array_str .= $current_var; //將< >之間的字符組成一個字符串,用於提取 html 標簽
			} 
		}else{ 
			--$lenth; // 非 html 代碼才記數
		} 
		$ord_var_c = ord($str{$i}); 
		switch (true) { 
			case (($ord_var_c & 0xE0) == 0xC0): // 2 字節 
				$result .= substr($str, $i, 2); 
				$i += 1; break; 
			case (($ord_var_c & 0xF0) == 0xE0): // 3 字節
				$result .= substr($str, $i, 3); 
				$i += 2; break; 
			case (($ord_var_c & 0xF8) == 0xF0): // 4 字節
				$result .= substr($str, $i, 4); 
				$i += 3; break; 
			case (($ord_var_c & 0xFC) == 0xF8): // 5 字節 
				$result .= substr($str, $i, 5); 
				$i += 4; break; 
			case (($ord_var_c & 0xFE) == 0xFC): // 6 字節
				$result .= substr($str, $i, 6); 
				$i += 5; break; 
			default: // 1 字節 
				$result .= $current_var; 
		} 
	} 
	if($html_array['left']){ //比對左右 html 標簽，不足則補全
		$html_array['left'] = array_reverse($html_array['left']); //翻轉left數組，補充的順序應與 html 出現的順序相反
		foreach($html_array['left'] as $index => $tag){ 
			$key = array_search($tag, $html_array['right']); // 判斷該標簽是否出現在 right 中
			if($key !== false){ // 出現，從 right 中刪除該單元
				unset($html_array['right'][$key]); 
			}else{ // 沒有出現，需要補全 
				$result .= '</'.$tag.'>'; 
			} 
		} 
	} 
	return $result.$replace; 
}