PHP将HTML转换成文本一些方法总结

发布:smiling　来源: PHP粉丝网　添加日期：2014-01-07 16:27:32　浏览: 评论：0　

在php中html转换成文本提供了自带的函数strip_tags了,但有时此函数不够用,下面总结了一些用户自定的函数,各位可参考.

最常用的使用php函数strip_tags,代码如下:

<?php

$mystr=<<<SATO

此处省略几十行HTML代码^_^

SATO;

$str=strip_tags($mystr);

//到这里就已经达到我的HTML转为TXT文本的目的了，哈哈，使用这个函数真方便

//下面是插件的一些切词等操作，这里就不多说了

?>

自定义函数,代码如下:

<?php

// $document 应包含一个 HTML 文档。

// 本例将去掉 HTML 标记，javascript 代码

// 和空白字符。还会将一些通用的

// HTML 实体转换成相应的文本。

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

                 "'<[/!]*?[^<>]*?>'si",           // 去掉 HTML 标记

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

                 "'&(quot|#34);'i",                 // 替换 HTML 实体

                 "'&(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");                    // 作为 PHP 代码运行

$replace = array ("",

                  "",

                  "\1",

                  """,

                  "&",

                  "<",

                  ">",

                  " ",

                  chr(161),

                  chr(162),

                  chr(163),

                  chr(169),

                  "chr(\1)");

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

?>

后来我从网上看到了一个使用PHP写的方法,使用这个方法也可以实现将HTML转为TXT文本,个人觉得也还蛮实用的,在这里分享一下,代码如下:

function HtmlToText($str){

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

  $alltext="";//用于保存TXT文本的变量

  $start=1;//用于检测<左、>右标签的控制开关

  for($i=0;$i<strlen($str);$i++){//遍历经过处理后的字符串中的每一个字符

    if(($start==0)&&($str[$i]==">")){//如果检测到>右标签，则使用$start=1;开启截取功能

      $start=1;

    }else if($start==1){//截取功能

      if($str[$i]=="<"){//如果字符是<左标签，则使用<font color='red'>|</font>替换

        $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，则将字符添加到$alltext变量中

        $alltext.=$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;

}

使用下面这个方法也可以实现将简答的HTML代码转换为TXT文本,实例代码如下:

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;

}