PHP 實作 HTML 標籤自動補全閉合（截斷內容不破壞結構）

應用場景

文章摘要、列表頁截取內容時，若直接 substr 截斷 HTML 字串，極易導致標籤未閉合、版面崩壞。本函數可在指定長度截斷時，自動補全未閉合標籤。

核心邏輯

1. 用正則 ~(<[^>]+?>)~si 將 HTML 拆分為「標籤」與「純文字」片段。
2. 遍歷片段，維護一個 $tagStack 堆疊：遇到開始標籤 <tag> 入堆，遇到結束標籤 </tag> 匹配出堆，單標籤 <br/> 忽略。
3. 累計純文字長度（支援中英文混排），達指定長度即停止。
4. 最後將堆疊剩餘標籤依序補上結束標籤。

完整函數庫

<?php
/**
 * 截取 HTML 並自動補全閉合標籤
 * @param string $html   原始 HTML
 * @param int    $length 最大文字長度（不含標籤）
 * @return string        處理後 HTML
 */
function subHtml($html, $length = 50) {
    $result = '';
    $tagStack = [];
    $len = 0;

    // 分割：保留分隔符（標籤）
    $contents = preg_split("~(<[^>]+?>)~si", $html, -1, PREG_SPLIT_NO_EMPTY | PREG_SPLIT_DELIM_CAPTURE);

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

        // 單閉合標籤 
  ...
        if (preg_match("~<([a-z0-9]+)[^/>]*?/>~si", $tag)) {
            $result .= $tag;
        }
        // 結束標籤 
        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 
        elseif (preg_match("~<([a-z0-9]+)[^/>]*?>~si", $tag, $match)) {
            array_push($tagStack, $match[1]);
            $result .= $tag;
        }
        // 註解
        elseif (preg_match("~<!--.*?-->~si", $tag)) {
            $result .= $tag;
        }
        // 純文字
        else {
            if ($len + mstrlen($tag) < $length) {
                $result .= $tag;
                $len += mstrlen($tag);
            } else {
                $result .= msubstr($tag, 0, $length - $len + 1);
                break;
            }
        }
    }

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

/**
 * 多位元組安全截取字串
 */
function msubstr($string, $start, $length, $dot = '', $charset = 'UTF-8') {
    $string = str_replace(['&', '"', '<', '>', ' '], ['&', '"', '<', '>', ' '], $string);
    if (mb_strlen($string, $charset) <= $length) return $string;

    if (strtolower($charset) === 'utf-8') {
        $n = $tn = $noc = 0;
        while ($n < strlen($string)) {
            $t = ord($string[$n]);
            if ($t <= 127) { $tn = 1; $n++; }
            elseif ($t <= 223) { $tn = 2; $n += 2; }
            elseif ($t <= 239) { $tn = 3; $n += 3; }
            elseif ($t <= 247) { $tn = 4; $n += 4; }
            elseif ($t <= 251) { $tn = 5; $n += 5; }
            elseif ($t <= 253) { $tn = 6; $n += 6; }
            else { $n++; }
            $noc++;
            if ($noc >= $length) break;
        }
        if ($noc > $length) $n -= $tn;
        $strcut = substr($string, 0, $n);
    } else {
        $strcut = '';
        for ($i = 0; $i < $length; $i++) {
            $strcut .= (ord($string[$i]) > 127) ? $string[$i] . $string[++$i] : $string[$i];
        }
    }
    return $strcut . $dot;
}

/**
 * 取得字串長度（中英文皆計 1）
 */
function mstrlen($str, $charset = 'UTF-8') {
    if (function_exists('mb_strlen')) return mb_strlen($str, $charset);
    if (function_exists('iconv_strlen')) return iconv_strlen($str, $charset);
    preg_match_all('/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|\xe0[\xa0-\xbf][\x80-\xbf]|[\xe1-\xef][\x80-\xbf][\x80-\xbf]|\xf0[\x90-\xbf][\x80-\xbf][\x80-\xbf]|[\xf1-\xf7][\x80-\xbf][\x80-\xbf][\x80-\xbf]/', $str, $ar);
    return count($ar[0]);
}

// 測試
$str = "<div><table>x<tr>1s<td>測試<td>124";
echo subHtml($str, 10); // 輸出：
x1s
測試
?>

使用提醒

• 函數假設 HTML 結構合法，若原始 HTML 本身標籤錯巢，補全結果可能不符預期。
• 支援 UTF-8 與雙位元組編碼（Big5/GBK），若專案純 UTF-8 可直接用 mb_substr/mb_strlen 簡化。
• 不處理 <script>/<style> 內容，若需保留請自行擴展。