php中高效能清除HTML 標記、空白字符

php中高效能清除html

在字符截取時常會因為HTML格式發生意外，ASP是，PHP也是，如果是可預見的簡單HTML格式用replace就行了，對於文章正文這一類裡面可能包含所有的HTML格式，想高效點還是用下面的的，已測試

$search = array ("']*?>.*?'si",  // 去掉 javascript

"'<[/!]*?[^<>]*?>'si",           // 去掉 HTML 標記

"'([rn])[s]+'",                 // 去掉空白字符

"'&(quot|#34);'i",                 // 替換 HTML 實體

"'&(amp|#38);'i",

"'&(lt|#60);'i",

"'&(gt|#62);'i",

"'&(nbsp|#160);'i",

"'&(iexcl|#161);'i",

"'&(cent|#162);'i",

"'&(pound|#163);'i",

"'&(copy|#169);'i",

"'&#(d+);'e");                    // 作為 PHP 代碼運行

$replace = array ("",

"",

"\1",

"\"",

"&",

"<",  ">",

" ",

chr(161),

chr(162),

chr(163),

chr(169),

"chr(\1)");

//$document為需要處理字符串，如果來源為文件可以$document = file_get_contents($filename);

$text = preg_replace($search, $replace, $document);