如何剪辑HTML片段而不破坏标签？

Question

假设我有一个包含HTML标记的200个字符的字符串。我想显示前50个字符的预览，但不“分裂”标记。换句话说，该片段不应该包含没有</b>的<b>。任何服务器端处理都应该在PHP中完成。

- Nathan Osman

Answer 1

建议您查看HTML Tidy。 把前50个非HTML字符剪切后，再使用Tidy工具修复HTML文本。

- tixxit

Answer 2

以下是使用标准PHP中的DOMDocument快速可靠的解决方案：

function cut_html ($html, $limit) {
    $dom = new DOMDocument();
    $dom->loadHTML(mb_convert_encoding("<div>{$html}</div>", "HTML-ENTITIES", "UTF-8"), LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
    cut_html_recursive($dom->documentElement, $limit);
    return substr($dom->saveHTML($dom->documentElement), 5, -6);
}

function cut_html_recursive ($element, $limit) {
    if($limit > 0) {
        if($element->nodeType == 3) {
            $limit -= strlen($element->nodeValue);
            if($limit < 0) {
                $element->nodeValue = substr($element->nodeValue, 0, strlen($element->nodeValue) + $limit);
            }
        }
        else {
            for($i = 0; $i < $element->childNodes->length; $i++) {
                if($limit > 0) {
                    $limit = cut_html_recursive($element->childNodes->item($i), $limit);
                }
                else {
                    $element->removeChild($element->childNodes->item($i));
                    $i--;
                }
            }
        }
    }
    return $limit;
}

- wakel

Answer 3

一个简单的方法可能是先使用strip_tags()函数去除标签，然后再截取摘要。

- Alix Axel

---

我同意 - 这是我一直以来的做法。唯一的缺点是你会失去强调、斜体等格式，以及任何链接 - 但我一直都接受并继续前进 :-) - prodigitalson

Answer 4

简短回答：使用DOMDocument::loadHTML($string)将其转换为DOM，然后遍历树并计算文本节点中的字符数。当达到限制时，用“...”或空字符串替换该节点的其余部分，并在所有后续节点上简单调用$node->parentNode->removeChild($node)。

- Nik M