php对包含html标签的字符串进行截取的函数分享

这个方法的作用是：php截取含有html标签的字符串，如果标签未闭合就闭合标签，防止未闭合的标签破坏原网页布局。截取完之后将多余的内容替换为...或者其他任意字符，支持锚点指定替换到指定位置。

/*
* ============================== 截取含有 html标签的字符串 =========================
* @param (string) $str   待截取字符串
* @param (int)  $lenth  截取长度
* @param (string) $repalce 超出的内容用$repalce替换之（该参数可以为带有html标签的字符串）
* @param (string) $anchor 截取锚点，如果截取过程中遇到这个标记锚点就截至该锚点处
* @return (string) $result 返回值
* @demo  $res = cut_html_str($str, 256, '...'); //截取256个长度，其余部分用'...'替换
* -------------------------------------------------------------------------------
* $ Author: Wang Jian.	|	Email: wj@yurendu.com	|	Date: 2014/03/16
* ===============================================================================
*/
function cut_html_str($str, $lenth, $replace='', $anchor='<!-- break -->'){
	$_lenth = mb_strlen($str, "utf-8");	// 统计字符串长度（中、英文都算一个字符）
	if($_lenth <= $lenth){
		return $str;	// 传入的字符串长度小于截取长度，原样返回
	}
	$strlen_var = strlen($str); 	// 统计字符串长度（UTF8编码下-中文算3个字符，英文算一个字符）
	if(strpos($str, '<') === false){
		return mb_substr($str, 0, $lenth);	// 不包含 html 标签 ，直接截取
	}
	if($e = strpos($str, $anchor)){
		return mb_substr($str, 0, $e);	// 包含截断标志，优先
	}
	$html_tag = 0; 	// html 代码标记
	$result = ''; 	// 摘要字符串
	$html_array = array('left' => array(), 'right' => array()); //记录截取后字符串内出现的 html 标签，开始=>left,结束=>right
	/*
	* 如字符串为：<h3><p><b>a</b></h3>，假设p未闭合，数组则为：array('left'=>array('h3','p','b'), 'right'=>'b','h3');
	* 仅补全 html 标签，<? <% 等其它语言标记，会产生不可预知结果
	*/
	for($i = 0; $i < $strlen_var; ++$i) {
		if(!$lenth) break;	// 遍历完之后跳出
		$current_var = substr($str, $i, 1); // 当前字符
		if($current_var == '<'){ // html 代码开始
			$html_tag = 1;
			$html_array_str = '';
		}else if($html_tag == 1){ // 一段 html 代码结束
			if($current_var == '>'){
				$html_array_str = trim($html_array_str); //去除首尾空格，如 <br / > < img src="" / > 等可能出现首尾空格
				if(substr($html_array_str, -1) != '/'){ //判断最后一个字符是否为 /，若是，则标签已闭合，不记录
					// 判断第一个字符是否 /，若是，则放在 right 单元
					$f = substr($html_array_str, 0, 1);
					if($f == '/'){
						$html_array['right'][] = str_replace('/', '', $html_array_str); // 去掉 '/'
					}else if($f != '?'){ // 若是?，则为 PHP 代码，跳过
						// 若有半角空格，以空格分割，第一个单元为 html 标签。如：<h2 class="a"> <p class="a">
						if(strpos($html_array_str, ' ') !== false){
						// 分割成2个单元，可能有多个空格，如：<h2 class="" id="">
						$html_array['left'][] = strtolower(current(explode(' ', $html_array_str, 2)));
						}else{
						//若没有空格，整个字符串为 html 标签，如：<b> <p> 等，统一转换为小写
						$html_array['left'][] = strtolower($html_array_str);
						}
					}
				}
				$html_array_str = ''; // 字符串重置
				$html_tag = 0;
			}else{
				$html_array_str .= $current_var; //将< >之间的字符组成一个字符串,用于提取 html 标签
			}
		}else{
			--$lenth; // 非 html 代码才记数
		}
		$ord_var_c = ord($str{$i});
		switch (true) {
			case (($ord_var_c & 0xE0) == 0xC0): // 2 字节
				$result .= substr($str, $i, 2);
				$i += 1; break;
			case (($ord_var_c & 0xF0) == 0xE0): // 3 字节
				$result .= substr($str, $i, 3);
				$i += 2; break;
			case (($ord_var_c & 0xF8) == 0xF0): // 4 字节
				$result .= substr($str, $i, 4);
				$i += 3; break;
			case (($ord_var_c & 0xFC) == 0xF8): // 5 字节
				$result .= substr($str, $i, 5);
				$i += 4; break;
			case (($ord_var_c & 0xFE) == 0xFC): // 6 字节
				$result .= substr($str, $i, 6);
				$i += 5; break;
			default: // 1 字节
				$result .= $current_var;
		}
	}
	if($html_array['left']){ //比对左右 html 标签，不足则补全
		$html_array['left'] = array_reverse($html_array['left']); //翻转left数组，补充的顺序应与 html 出现的顺序相反
		foreach($html_array['left'] as $index => $tag){
			$key = array_search($tag, $html_array['right']); // 判断该标签是否出现在 right 中
			if($key !== false){ // 出现，从 right 中删除该单元
				unset($html_array['right'][$key]);
			}else{ // 没有出现，需要补全
				$result .= '</'.$tag.'>';
			}
		}
	}
	return $result.$replace;
}