php清除HTML格式的代碼

    在字符截取時常會因為HTML格式發生意外，ASP是，php(做為現在的主流開發語言)也是，如果是可預見的簡單HTML格式用replace就行了，對於文章正文這一類裡面可能包含所有的HTML格式，想高效點還是用下面的的，已測試

$search = array ("’<script[^>]*?>.*?</script>’si",  // 去掉 javascript
                 "’<[/!]*?[^<>]*?>’si",           // 去掉 HTML 標記
                 "’([rn])[s]+’",                 // 去掉空白字符
                 "’&(quot|#34);’i",                 // 替換 HTML 實體
                 "’&(amp|#38);’i",
                 "’&(lt|#60);’i",
                 "’&(gt|#62);’i",
                 "’&(nbsp|#160);’i",
                 "’&(iexcl|#161);’i",
                 "’&(cent|#162);’i",
                 "’&(pound|#163);’i",
                 "’&(copy|#169);’i",
                 "’&#(d+);’e");                    // 作為 php(做為現在的主流開發語言) 代碼運行

$replace = array ("",
                  "",
                  "1",
                  """,
                  "&",
                  "<",
                  ">",
                  " ",
                  chr(161),
                  chr(162),
                  chr(163),
                  chr(169),
                  "chr(1)");
//$document為需要處理字符串，如果來源為文件可以$document = file_get_contents($filename);
//$text = preg_replace($search, $replace, $document);