首页 > 资讯列表 > 编程/数据库 >> PHP

php利用正则表达式解决采集内容排版的问题

PHP 2014-12-01 23:59:12 转载来源: 网络整理/侵权必删

本文为大家讲解的是如何利用php正则表达式解决采集内容排版的问题,感兴趣的同学参考下。 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

本文为大家讲解的是如何利用php正则表达式解决采集内容排版问题,感兴趣的同学参考下。
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。


/**
 * 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}|rn]*/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;
}

标签: php 利用 正则 表达式 解决 采集 内容 排版 问题


声明:本文内容来源自网络,文字、图片等素材版权属于原作者,平台转载素材出于传递更多信息,文章内容仅供参考与学习,切勿作为商业目的使用。如果侵害了您的合法权益,请您及时与我们联系,我们会在第一时间进行处理!我们尊重版权,也致力于保护版权,站搜网感谢您的分享!

站长搜索

http://www.adminso.com

Copyright @ 2007~2024 All Rights Reserved.

Powered By 站长搜索

打开手机扫描上面的二维码打开手机版


使用手机软件扫描微信二维码

关注我们可获取更多热点资讯

站长搜索目录系统技术支持