解析php利用正則表達式解決采集內(nèi)容排版的問題
更新時間:2013年06月20日 11:44:04 作者:
本篇文章是對php利用正則表達式解決采集內(nèi)容排版問題進行了詳細的分析介紹,需要的朋友參考下
做采集經(jīng)常遇到的問題是內(nèi)容排版問題,用了一些時間寫了個用正則替換html標簽和樣式的函數(shù),共享下。
/**
* 格式化內(nèi)容
* @param string $content 內(nèi)容最好統(tǒng)一用utf-8編碼
* @return string
* !本函數(shù)需要開啟tidy擴展
*/
function removeFormat($content) {
$replaces = array (
"/<font.*?>/i" => '',
"/<\/font>/i" => '',
"/<strong>/i" => '',
"/<\/strong>/i" => '',
"/<span.*?>/i" => '',
"/<\/span>/i" => '',
"/<div.*?>/i" => "<p>",
"/<\/div>/i" => "</p>",
"/<!--<.*?>*-->/i"=>'',
/* "/<table.*?>/i" => '',//遇到有表格的內(nèi)容就不要啟用
"/<\/table>/i" => '',
"/<tbody.*?>/i" => '',
"/<\/tbody>/i" => '',
"/<tr.*?>/i" => '<p>',
"/<\/tr>/i" => '</p>',
"/<td.*?>/i" => '', */
"/style=.+?['|\"]/i" => '',
"/class=.+?['|\"]/i" => '',
"/id=.+?['|\"]/i"=>'',
"/lang=.+?['|\"]/i"=>'',
//"/width=.+?['|\"]/i"=>'',//不好控制注釋掉
//"/height=.+?['|\"]/i"=>'',
"/border=.+?['|\"]/i"=>'',
"/face=.+?['|\"]/i"=>'',
"/<br.*?>[ ]*/i" => "</p><p>",
"/<iframe.*?>.*<\/iframe>/i" => '',
"/ /i" => ' ',//空格替換掉
"/<p.*?>[ |\x{3000}|\r\n]*/ui" => '<p> ',//替換半角、全角空格,換行符,用 排除寫入數(shù)據(jù)庫時產(chǎn)生的編碼問題
);
$config = array(
//'indent' => TRUE, //是否縮進
'output-html' => TRUE,//是否是輸出xhtml
'show-body-only'=>TRUE,//是否只獲得到body
'wrap' => 0
);
$content = tidy_repair_string($content, $config, 'utf8');//先利用php自帶的tidy類庫修復html標簽,不然替換的時候容易出現(xiàn)各種詭異的情況
$content = trim($content);
foreach ( $replaces as $k => $v ) {
$content = preg_replace ( $k, $v, $content );
}
if(strpos($content,'<p>')>6)//部分內(nèi)容開頭可能缺失<p>標簽
$content = '<p> '.$content;
$content = tidy_repair_string($content, $config, 'utf8');//再修復一次,可以去除html空標簽
$content = trim($content);
return $content;
}
復制代碼 代碼如下:
/**
* 格式化內(nèi)容
* @param string $content 內(nèi)容最好統(tǒng)一用utf-8編碼
* @return string
* !本函數(shù)需要開啟tidy擴展
*/
function removeFormat($content) {
$replaces = array (
"/<font.*?>/i" => '',
"/<\/font>/i" => '',
"/<strong>/i" => '',
"/<\/strong>/i" => '',
"/<span.*?>/i" => '',
"/<\/span>/i" => '',
"/<div.*?>/i" => "<p>",
"/<\/div>/i" => "</p>",
"/<!--<.*?>*-->/i"=>'',
/* "/<table.*?>/i" => '',//遇到有表格的內(nèi)容就不要啟用
"/<\/table>/i" => '',
"/<tbody.*?>/i" => '',
"/<\/tbody>/i" => '',
"/<tr.*?>/i" => '<p>',
"/<\/tr>/i" => '</p>',
"/<td.*?>/i" => '', */
"/style=.+?['|\"]/i" => '',
"/class=.+?['|\"]/i" => '',
"/id=.+?['|\"]/i"=>'',
"/lang=.+?['|\"]/i"=>'',
//"/width=.+?['|\"]/i"=>'',//不好控制注釋掉
//"/height=.+?['|\"]/i"=>'',
"/border=.+?['|\"]/i"=>'',
"/face=.+?['|\"]/i"=>'',
"/<br.*?>[ ]*/i" => "</p><p>",
"/<iframe.*?>.*<\/iframe>/i" => '',
"/ /i" => ' ',//空格替換掉
"/<p.*?>[ |\x{3000}|\r\n]*/ui" => '<p> ',//替換半角、全角空格,換行符,用 排除寫入數(shù)據(jù)庫時產(chǎn)生的編碼問題
);
$config = array(
//'indent' => TRUE, //是否縮進
'output-html' => TRUE,//是否是輸出xhtml
'show-body-only'=>TRUE,//是否只獲得到body
'wrap' => 0
);
$content = tidy_repair_string($content, $config, 'utf8');//先利用php自帶的tidy類庫修復html標簽,不然替換的時候容易出現(xiàn)各種詭異的情況
$content = trim($content);
foreach ( $replaces as $k => $v ) {
$content = preg_replace ( $k, $v, $content );
}
if(strpos($content,'<p>')>6)//部分內(nèi)容開頭可能缺失<p>標簽
$content = '<p> '.$content;
$content = tidy_repair_string($content, $config, 'utf8');//再修復一次,可以去除html空標簽
$content = trim($content);
return $content;
}
相關(guān)文章
Warning:?require():?open_basedir?restriction?in?effect,
在linux服務器部署thinkphp5的時候PHP報了Warning:?require():?open_basedir?restriction?in?effect這個錯誤,是因為網(wǎng)站目錄配置錯誤,PHP不能引入其授權(quán)目錄上級及其以上的文件。下面詳細講解如何處理這個問題,需要的朋友可以參考下2022-11-11PHP實現(xiàn)將上傳圖片自動縮放到指定分辨率,并保持清晰度封裝類示例
這篇文章主要介紹了PHP實現(xiàn)將上傳圖片自動縮放到指定分辨率,并保持清晰度封裝類,涉及php針對jpeg、png、gif等格式圖片的縮放與輸出相關(guān)操作技巧,需要的朋友可以參考下2019-06-06Php output buffering緩存及程序緩存深入解析
在php中有時為了控制程序的輸出顯示順序,提供了output buffering緩存(php自身緩存機制)。若Ob緩存開啟,需要輸出的就先存在ob緩存里,再到程序緩存里。若沒有開啟,則直接進入程序緩存,程序執(zhí)行完畢,按照順序從程序緩存里輸出2013-07-07解析php中session的實現(xiàn)原理以及大網(wǎng)站應用應注意的問題
本篇文章是對php中session的實現(xiàn)原理以及大網(wǎng)站應用應注意的問題進行了詳細的分析介紹,需要的朋友參考下2013-06-06PHP中類型轉(zhuǎn)換 ,常量,系統(tǒng)常量,魔術(shù)常量的詳解
這篇文章主要介紹了PHP中類型轉(zhuǎn)換 ,常量,系統(tǒng)常量,魔術(shù)常量的詳解的相關(guān)資料,希望通過本文能幫助到大家,讓大家掌握這部分內(nèi)容,需要的朋友可以參考下2017-10-10PHP header()函數(shù)常用方法總結(jié)
這篇文章主要介紹了PHP header()函數(shù)常用方法.總結(jié)了常見的用法,需要的朋友可以參考下2014-04-04