|
|
复制代码 代码如下:
/**
* 格式化内容
* @param string $content 内容最好统一用utf-8编码
* @return string
* !本函数需要开启tidy扩展
*/
function removeFormat($content) {
$replaces = array (
"/<font.*?>/i" => '',
"/<//font>/i" => '',
"/<strong>/i" => '',
"/<//strong>/i" => '',
"/<span.*?>/i" => '',
"/<//span>/i" => '',
"/<div.*?>/i" => "<p>",
"/<//div>/i" => "</p>",
"/<!--<.*?>*-->/i"=>'',
/* "/<table.*?>/i" => '',//遇到有表格的内容就不要启用
"/<//table>/i" => '',
"/<tbody.*?>/i" => '',
"/<//tbody>/i" => '',
"/<tr.*?>/i" => '<p>',
"/<//tr>/i" => '</p>',
"/<td.*?>/i" => '', */
"/style=.+?['|/"]/i" => '',
"/class=.+?['|/"]/i" => '',
"/id=.+?['|/"]/i"=>'',
"/lang=.+?['|/"]/i"=>'',
//"/width=.+?['|/"]/i"=>'',//不好控制注释掉
//"/height=.+?['|/"]/i"=>'',
"/border=.+?['|/"]/i"=>'',
"/face=.+?['|/"]/i"=>'',
"/<br.*?>[ ]*/i" => "</p><p>",
"/<iframe.*?>.*<//iframe>/i" => '',
"/ /i" => ' ',//空格替换掉
"/<p.*?>[ |/x{3000}|/r/n]*/ui" => '<p> ',//替换半角、全角空格，换行符，用 排除写入数据库时产生的编码问题
);
$config = array(
//'indent' => TRUE, //是否缩进
'output-html' => TRUE,//是否是输出xhtml
'show-body-only'=>TRUE,//是否只获得到body
'wrap' => 0
);
$content = tidy_repair_string($content, $config, 'utf8');//先利用php自带的tidy类库修复html标签，不然替换的时候容易出现各种诡异的情况
$content = trim($content);
foreach ( $replaces as $k => $v ) {
$content = preg_replace ( $k, $v, $content );
}
if(strpos($content,'<p>')>6)//部分内容开头可能缺失<p>标签
$content = '<p> '.$content;
$content = tidy_repair_string($content, $config, 'utf8');//再修复一次，可以去除html空标签
$content = trim($content);
return $content;
}
php技术：解析php利用正则表达式解决采集内容排版的问题，转载需保留来源！
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
