PHP 採集利器：根據起止字符串精準截取內容的通用函數

PHP 採集利器：根據起止字符串精準截取內容

網頁採集中，常需從 HTML 中提取兩個標記之間的內容。本文提供一個健壯的 strCutByStr() 函數，支持多編碼、多組起止標記優先匹配、可選結束標記（截取到末尾）。

核心函數

<?php
function strCutByStr(&$str, $findStart, $findEnd = false, $encoding = 'utf-8') {
    // 支持數組批量嘗試：多組起止標記按順序嘗試，成功即返回
    if (is_array($findStart)) {
        if (count($findStart) === count($findEnd)) {
            foreach ($findStart as $k => $v) {
                if (($result = strCutByStr($str, $v, $findEnd[$k], $encoding)) !== false) {
                    return $result;
                }
            }
            return false;
        }
        return false;
    }
    // 單組匹配邏輯
    if (($start = mb_strpos($str, $findStart, 0, $encoding)) === false) {
        return false;
    }
    $start += mb_strlen($findStart, $encoding); // 移至開始標記之後
    if ($findEnd === false) {
        return mb_substr($str, $start, NULL, $encoding); // 截取到末尾
    }
    if (($length = mb_strpos($str, $findEnd, $start, $encoding)) === false) {
        return false;
    }
    return mb_substr($str, $start, $length - $start, $encoding);
}

使用示例

$str = '1那是一場23我問問4567890維穩';
echo strCutByStr($str, '那些', '穩'); // 輸出：一場23我問問4567890維

// 多組備選：優先匹配第一組，失敗嘗試第二組
$starts = ['<div class="content">', '<article>'];
$ends   = ['</div>', '</article>'];
echo strCutByStr($html, $starts, $ends);

設計亮點

• 多字節安全：全程使用 mb_* 函數，完美支持 UTF-8/GBK 等編碼。
• 多組備選：適應頁面結構變化（如 A/B 測試、新老版本共存）。
• 引用傳遞：&$str 避免大字符串複製，性能更優。
• 靈活結束：$findEnd = false 時截取到字符串末尾。

將此函數收入工具庫，採集項目中提取標題、正文、價格等字段將事半功倍。