您现在的位置：程式碼之家 >> 編程語言 > >> 網頁程式設計 >> PHP 程式設計 >> PHP 綜合知識

PHP 截取 HTML 字串並自動補全標籤的完整解決方案

編輯：PHP 綜合知識

前言

在 PHP 開發中，我們常需要從富文本內容中截取指定長度的摘要。若直接使用 strip_tags 去除標籤，雖然簡單但會導致排版結構盡失，閱讀體驗極差。更棘手的是：若直接按字元截取 HTML 字串，極易切斷標籤導致頁面布局崩潰。本文將介紹兩種成熟的解決方案，幫助你安全截取 HTML 並自動補全閉合標籤。

方案一：基於堆疊機制的精準截取

此方案核心思路是解析 HTML 結構，維護一個標籤堆疊。遇到開始標籤入堆疊，遇到結束標籤出堆疊，文本內容則累計長度。當達到目標長度時停止截取，最後遍歷堆疊補全未閉合標籤。

核心函數 `subHtml`

function subHtml($html, $length) {
    $result = '';
    $tagStack = [];
    $len = 0;

    // 使用正則分割 HTML 標籤與文本，保留分隔符
    $contents = preg_split("~(<[^>]+>)~si", $html, -1, PREG_SPLIT_NO_EMPTY | PREG_SPLIT_DELIM_CAPTURE);

    foreach ($contents as $tag) {
        if (trim($tag) === "") continue;

        // 自閉合標籤 
、 等直接輸出
        if (preg_match("~<([a-z0-9]+)[^/>]*/>~si", $tag)) {
            $result .= $tag;
        }
        // 結束標籤

 等，匹配堆疊頂部則出堆疊
        elseif (preg_match("~</([a-z0-9]+)[^/>]*>~si", $tag, $match)) {
            if (!empty($tagStack) && $tagStack[count($tagStack)-1] === $match[1]) {
                array_pop($tagStack);
                $result .= $tag;
            }
        }
        // 開始標籤

 等，推入堆疊
        elseif (preg_match("~<([a-z0-9]+)[^/>]*>~si", $tag, $match)) {
            array_push($tagStack, $match[1]);
            $result .= $tag;
        }
        // 註釋標籤直接輸出
        elseif (preg_match("~<!--.*-->~si", $tag)) {
            $result .= $tag;
        }
        // 純文本內容，計算長度並截取
        else {
            if ($len + mstrlen($tag) < $length) {
                $result .= $tag;
                $len += mstrlen($tag);
            } else {
                $str = msubstr($tag, 0, $length - $len + 1);
                $result .= $str;
                break;
            }
        }
    }

    // 補全剩餘未閉合標籤
    while (!empty($tagStack)) {
        $result .= '</' . array_pop($tagStack) . '>';
    }
    return $result;
}

輔助函數：多位元組字串處理

由於中文編碼特性，需配合 mstrlen（計算長度）與 msubstr（截取字串）兩個函數，支援 UTF-8 與 GBK 等編碼，確保中英文混排時長度計算準確。

方案二：字元級遍歷的輕量級實現

此方案不依賴正則分割，而是逐字元掃描 HTML 字串，手動解析標籤結構。雖然程式碼較長，但邏輯直觀，適合不想引入正則效能開銷的場景。

核心函數 `phpos_chsubstr_ahtml`

function phpos_chsubstr_ahtml($str, $num, $more = false) {
    $leng = strlen($str);
    if ($num >= $leng) return $str;

    $word = 0; $i = 0;
    $stag = [[]]; $etag = [[]]; // 開始/結束標籤堆疊
    $sp = 0; $ep = 0;

    while ($word != $num) {
        // 處理中文字元（假設 UTF-8 佔 3 位元組）
        if (ord($str[$i]) > 128) {
            $i += 3; $word++; continue;
        }
        // 遇到標籤開頭 <
        else if ($str[$i] === '<') {
            // 解析標籤名稱，分類存入 stag 或 etag
            // ...（此處省略詳細解析邏輯，原理同方案一）
            $i++; continue;
        }
        // 普通字元
        else { $word++; $i++; }
    }

    // 匹配開始/結束標籤，過濾掉已閉合與自閉合標籤
    // 反轉堆疊並生成補全字串
    $ends = '</' . implode('></', array_reverse($stag)) . '>';
    $re = substr($str, 0, $i) . $ends;
    if ($more) $re .= '...';
    return $re;
}