PHP將HTML轉(zhuǎn)換成文本一些方法總結(jié)

2024-09-04 11:48:04

字體：大中小

供稿：網(wǎng)友

在php中html轉(zhuǎn)換成文本提供了自帶的函數(shù)strip_tags了,但有時(shí)此函數(shù)不夠用,下面總結(jié)了一些用戶自定的函數(shù),各位可參考.

最常用的使用php函數(shù)strip_tags,代碼如下:

<?php

$mystr=<<<SATO

此處省略幾十行HTML代碼^_^

SATO;

$str=strip_tags($mystr);

//到這里就已經(jīng)達(dá)到我的HTML轉(zhuǎn)為TXT文本的目的了，哈哈，使用這個(gè)函數(shù)真方便

//下面是插件的一些切詞等操作，這里就不多說了

?>

自定義函數(shù),代碼如下:

<?php

// $document 應(yīng)包含一個(gè) HTML 文檔。

// 本例將去掉 HTML 標(biāo)記，javascript 代碼

// 和空白字符。還會(huì)將一些通用的

// HTML 實(shí)體轉(zhuǎn)換成相應(yīng)的文本。

$search = array ("'<script[^>]*?>.*?</script>'si",  // 去掉 javascript

                 "'<[/!]*?[^<>]*?>'si",           // 去掉 HTML 標(biāo)記

                 "'([rn])[s]+'",                 // 去掉空白字符

                 "'&(quot|#34);'i",                 // 替換 HTML 實(shí)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 代碼運(yùn)行

$replace = array ("",

                  "",

                  "/1",

                  """,

                  "&",

                  "<",

                  ">",

                  " ",

                  chr(161),

                  chr(162),

                  chr(163),

                  chr(169),

                  "chr(/1)");

$text = preg_replace ($search, $replace, $document);

?>

后來我從網(wǎng)上看到了一個(gè)使用PHP寫的方法,使用這個(gè)方法也可以實(shí)現(xiàn)將HTML轉(zhuǎn)為TXT文本,個(gè)人覺得也還蠻實(shí)用的,在這里分享一下,代碼如下:

function HtmlToText($str){

  $str=preg_replace("/<sty(.*)/style>|<scr(.*)/script>|/isU","",$str);//去除CSS樣式、JS腳本、HTML注釋

  $alltext="";//用于保存TXT文本的變量

  $start=1;//用于檢測(cè)<左、>右標(biāo)簽的控制開關(guān)

  for($i=0;$i<strlen($str);$i++){//遍歷經(jīng)過處理后的字符串中的每一個(gè)字符

    if(($start==0)&&($str[$i]==">")){//如果檢測(cè)到>右標(biāo)簽，則使用$start=1;開啟截取功能

      $start=1;

    }else if($start==1){//截取功能

      if($str[$i]=="<"){//如果字符是<左標(biāo)簽，則使用<font color='red'>|</font>替換

        $start=0;

        $alltext.="<font color='red'>|</font>";

      }else if(ord($str[$i])>31){//如果字符是ASCII大于31的有效字符，則將字符添加到$alltext變量中

        $alltext.=$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;

}

使用下面這個(gè)方法也可以實(shí)現(xiàn)將簡答的HTML代碼轉(zhuǎn)換為TXT文本,實(shí)例代碼如下:

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("/“/i", '"', $str);

  $str = preg_replace("/&ldquo/i", '"', $str);

     $str = preg_replace("/‘/i", "'", $str);

     $str = preg_replace("/&lsquo/i", "'", $str);

     $str = preg_replace("/’/i", "'", $str);

     $str = preg_replace("/&rsquo/i", "'", $str);

  $str = preg_replace("/>/i", ">", $str);

  $str = preg_replace("/&gt/i", ">", $str);

  $str = preg_replace("/”/i", '"', $str);

  $str = preg_replace("/&rdquo/i", '"', $str);

  $str = strip_tags($str);

  $str = html_entity_decode($str, ENT_QUOTES, $encode);

  $str = preg_replace("/&#.*?;/i", "", $str);



  return $str;

}