加入收藏 | 设为首页 | 会员中心 | 我要投稿 李大同 (https://www.lidatong.com.cn/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 站长学院 > PHP教程 > 正文

解析php利用正则表达式解决采集内容排版的问题

发布时间:2020-12-13 06:24:50 所属栏目:PHP教程 来源:网络整理
导读:做采集经常遇到的问题是内容排版问题,用了一些时间写了个用正则替换html标签和样式的函数,共享下。 div class="codetitle" a style="CURSOR: pointer" data="7130" class="copybut" id="copybut7130" onclick="doCopy('code7130')" 代码如下: div class="c

做采集经常遇到的问题是内容排版问题,用了一些时间写了个用正则替换html标签和样式的函数,共享下。
<div class="codetitle"><a style="CURSOR: pointer" data="7130" class="copybut" id="copybut7130" onclick="doCopy('code7130')"> 代码如下:<div class="codebody" id="code7130">
/*
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" => '',
"/

/i" => '',
"/</h3>/i" => '',
"/<span.
?>/i" => '',
"/</span>/i" => '',
"/<div.?>/i" => "

",
"/</div>/i" => "

",
"/<!--<.
?>-->/i"=>'',
/
"/<table.?>/i" => '',//遇到有表格的内容就不要启用
"/</table>/i" => '',
"/<tbody.
?>/i" => '',
"/</tbody>/i" => '',
"/<tr.?>/i" => '

',
"/</tr>/i" => '

',
"/<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" => "

",
"/<iframe.
?>.</iframe>/i" => '',
"//i" => ' ',//空格替换掉
"/<p.
?>[ |x{3000}|rn]*/ui" => '

',//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,'

')>6)//部分内容开头可能缺失

标签
$content = '

'.$content;$content = tidy_repair_string($content,'utf8');//再修复一次,可以去除html空标签
$content = trim($content);
return $content;
}

(编辑:李大同)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

    推荐文章
      热点阅读