需求背景

在內容摘要生成、郵件純文本版本、搜索引擎索引、API 返回純文本等場景，常需要將富文本 HTML 轉換為保留基本段落結構的純文本。單純使用 strip_tags() 會導致段落粘連、特殊實體未解碼、空白字符異常等問題。

增強版 html2text 函數

/is', '', $str);
    $str = preg_replace('//is', '', $str);

    // 2. 將塊級標籤轉換為換行標記
    $blockTags = ['br', 'p', 'div', 'blockquote', 'li', 'h1', 'h2', 'h3', 'h4', 'h5', 'h6', 'tr'];
    foreach ($blockTags as $tag) {
        $str = preg_replace('/<\/?' . $tag . '\b[^>]*>/i', '>>>>', $str);
    }
    // td/th 保留列分隔
    $str = preg_replace('/<\/?(td|th)\b[^>]*>/i', '', $str);

    // 3. 處理 HTML 實體
    $entityMap = [
        ' ' => ' ', '&' => '&', '<' => '<', '>' => '>',
        '“' => '"', '”' => '"', '‘' => "'", '’' => "'",
        '"' => '"', ''' => "'", ''' => "'",
    ];
    $str = strtr($str, $entityMap);

    // 4. 去除剩餘標籤
    $str = strip_tags($str);

    // 5. 解碼數字實體（如 〹）
    $str = html_entity_decode($str, ENT_QUOTES, 'UTF-8');

    // 6. 清理多餘換行標記與空白
    $str = preg_replace('/(>>>>\s*)+/', "\n\n", $str); // 合併連續換行
    $str = preg_replace('/[ \t]+/', ' ', $str);        // 合併空白
    $str = trim($str);

    return $str;
}
?>

使用示例

$html = <<
    
標題
    
第一段內容，包含 空格 與粗體。
    
第二段
換行測試
    
列表項1
列表項2