PHP对HTML代码的截取

在许多blog系统的开发中,文章列表显示文章简介是必要的功能
许多blog系统都是通过在数据库中添加一个字段解决此类问题
但是那样明显增大了数据库空间
此函数解决了问题
好像是f2blog的作者
htmlSubString 函数为截取HTML字串的主函数，截取的类型：$maxlen可以是数字，也可以一个特定的标签，如<!--more-->，如果需要是[more]之类的UBB标签.
完整附件包： Click Here To Download

<?php
function htmlSubString($content,$maxlen=300){
//把字符按HTML标签变成数组。
$content = preg_split("/(<[^>]+?>)/si",$content, -1,PREG_SPLIT_NO_EMPTY| PREG_SPLIT_DELIM_CAPTURE);
$wordrows=0; //中英字数
$outstr=""; //生成的字串
$wordend=false; //是否符合最大的长度
$beginTags=0; //除<img><br><hr>这些短标签外，其它计算开始标签，如<div*>
$endTags=0; //计算结尾标签，如</div>，如果$beginTags==$endTags表示标签数目相对称，可以退出循环。
//print_r($content);
foreach($content as $value){
if (trim($value)=="") continue; //如果该值为空，则继续下一个值

if (strpos(";$value","<")>0){
//如果与要载取的标签相同，则到处结束截取。
if (trim($value)==$maxlen) {
$wordend=true;
continue;
}

if ($wordend==false){
$outstr.=$value;
if (!preg_match("/<img([^>]+?)>/is",$value) && !preg_match("/<param([^>]+?)>/is",$value) && !preg_match("/<!([^>]+?)>/is",$value) && !preg_match("/<br([^>]+?)>/is",$value) && !preg_match("/<hr([^>]+?)>/is",$value)) {
$beginTags++; //除img,br,hr外的标签都加1
}
}else if (preg_match("/<///([^>]+?)>/is",$value,$matches)){
$endTags++;
$outstr.=$value;
if ($beginTags==$endTags && $wordend==true) break; //字已载完了，并且标签数相称，就可以退出循环。
}else{
if (!preg_match("/<img([^>]+?)>/is",$value) && !preg_match("/<param([^>]+?)>/is",$value) && !preg_match("/<!([^>]+?)>/is",$value) && !preg_match("/<br([^>]+?)>/is",$value) && !preg_match("/<hr([^>]+?)>/is",$value)) {
$beginTags++; //除img,br,hr外的标签都加1
$outstr.=$value;
}
}
}else{
if (is_numeric($maxlen)){ //截取字数
$curLength=getStringLength($value);
$maxLength=$curLength+$wordrows;
if ($wordend==false){
if ($maxLength>$maxlen){ //总字数大于要截取的字数，要在该行要截取
$outstr.=subString($value,0,$maxlen-$wordrows);
$wordend=true;
}else{
$wordrows=$maxLength;
$outstr.=$value;
}
}
}else{
if ($wordend==false) $outstr.=$value;
}
}
}
//循环替换掉多余的标签，如<p></p>这一类
while(preg_match("/<([^///][^>]*?)><///([^>]+?)>/is",$outstr)){
$outstr=preg_replace_callback("/<([^///][^>]*?)><///([^>]+?)>/is","strip_empty_html",$outstr);
}
//把误换的标签换回来
if (strpos(";".$outstr,"[html_")>0){
$outstr=str_replace("[html_&lt;]","<",$outstr);
$outstr=str_replace("[html_&gt;]",">",$outstr);
}

//echo htmlspecialchars($outstr);
return $outstr;
}

//去掉多余的空标签
function strip_empty_html($matches){
$arr_tags1=explode(" ",$matches[1]);
if ($arr_tags1[0]==$matches[2]){ //如果前后标签相同，则替换为空。
return "";
}else{
$matches[0]=str_replace("<","[html_&lt;]",$matches[0]);
$matches[0]=str_replace(">","[html_&gt;]",$matches[0]);
return $matches[0];
}
}

//取得字符串的长度，包括中英文。
function getStringLength($text){
if (function_exists(/'mb_substr/')) {
$length=mb_strlen($text,/'UTF-8/');
} elseif (function_exists(/'iconv_substr/')) {
$length=iconv_strlen($text,/'UTF-8/');
} else {
preg_match_all("/[//x01-//x7f]|[//xc2-//xdf][//x80-//xbf]|//xe0[//xa0-//xbf][//x80-//xbf]|[//xe1-//xef][//x80-//xbf][//x80-//xbf]|//xf0[//x90-//xbf][//x80-//xbf][//x80-//xbf]|[//xf1-//xf7][//x80-//xbf][//x80-//xbf][//x80-//xbf]/", $text, $ar);
$length=count($ar[0]);

}
return $length;
}

/***********按一定长度截取字符串（包括中文）*********/
function subString($text, $start=0, $limit=12) {
if (function_exists(/'mb_substr/')) {
$more = (mb_strlen($text,/'UTF-8/') > $limit) ? TRUE : FALSE;
$text = mb_substr($text, 0, $limit, /'UTF-8/');
return $text;
} elseif (function_exists(/'iconv_substr/')) {
$more = (iconv_strlen($text,/'UTF-8/') > $limit) ? TRUE : FALSE;
$text = iconv_substr($text, 0, $limit, /'UTF-8/');
//return array($text, $more);
return $text;
} else {
preg_match_all("/[//x01-//x7f]|[//xc2-//xdf][//x80-//xbf]|//xe0[//xa0-//xbf][//x80-//xbf]|[//xe1-//xef][//x80-//xbf][//x80-//xbf]|//xf0[//x90-//xbf][//x80-//xbf][//x80-//xbf]|[//xf1-//xf7][//x80-//xbf][//x80-//xbf][//x80-//xbf]/", $text, $ar);
if(func_num_args() >= 3) {
if (count($ar[0])>$limit) {
$more = TRUE;
$text = join("",array_slice($ar[0],0,$limit));
} else {
$more = FALSE;
$text = join("",array_slice($ar[0],0,$limit));
}
} else {
$more = FALSE;
$text = join("",array_slice($ar[0],0));
}
return $text;
}
}
?>