通过PHP案例深入解读实现文章内容摘要

前言

相信很多开发者在开发一些社区论坛博客之类的项目时候，会遇到对文章内容进行截取，做成文章摘要的效果，但是在实现这个功能的时候，里面的知识点你又知道多少？你是否遇到过截取出现乱码的情况？这究竟是怎么一回事？下面我们来解读一下

首先，我们实现该功能的步骤如下：

1.去掉转移和HTML代码

$newContent = strip_tags(stripslashes($_POST['content']));

2.去掉两边多余的空格

$newContent = trim($newContent);

3.全局区配替换，去掉空格，将斜杆转义

$patternArr = array('/\s/','/ /');

$replaceArr = array('','');

$newContent = preg_replace($patternArr,$replaceArr,$newContent);

4.截取固定长度（内容，截取初始位置，截取长度，截取编码格式）

$newContent = mb_strcut($newContent,0,150,'utf-8');

 

 

上诉方法的函数解读:

PHP strip_tags() 函数

定义和用法：

strip_tags() 函数剥去字符串中的 HTML、XML 以及 PHP 的标签。

注释：该函数始终会剥离 HTML 注释。这点无法通过 allow 参数改变。

注释：该函数是二进制安全的。

 

PHP preg_replace（）函数

preg_replace函数执行一个正则表达式的搜索和替换。

语法：

混合preg_replace（混合$ pattern，混合$替换，混合$ subject [，int $ limit = -1 [，int＆$ count]]）

搜索主题中匹配模式的部分，以替换进行替换。

参数说明：

$ pattern：要搜索的模式，可以是字符串或一个字符串数组。

$ replacement：用于替换的字符串或字符串数组。

$ subject：要搜索替换的目标字符串或字符串数组。

$ limit：可选，对于每个模式用于每个主题字符串的最大可替换次数。默认是-1（无限制）。

$ count：可选，为替换执行的次数。

返回值：

如果subject是一个数组，preg_replace（）返回一个数组，其他情况下返回一个字符串。

如果匹配被查找到，替换后的主体被返回，其他情况下返回没有改变的主题。如果发生错误，返回NULL。

 

PHP mb_strcut（）函数

这里是重点啦~上面的功能实现我们为什么使用mb_substr，而不是substr？？

因为substr、mb_substr、mb_strcut这三个函数都用来截取字符串，但是他们所不同的是：substr是最简单的截取，无法适应中文，截取中文出现乱码现象；mb_substr是按字符来截取字符串，而mb_strcut是按字节来截取字符串，截取中文都不会产生半个字符的现象，也就不会出现乱码现象。

语法:

substr/mb_substr/mb_strcut(操作对象,起始位置,截取数量,[字符集])

这三个函数的前三个参数完全一致，即：

第一个参数是操作对象

第二个参数是截取的起始位置

第三个参数是截取的数量

但是mb_substr和mb_strcut还有第四个参数：第四个参数可以根据不同的字符集进行设置

举例:

<?php
header("content-type:text/html;charset=utf-8");
$str = '魔镜魔镜，告诉我世界上最帅的男人是谁？';
echo "mb_substr:" . mb_substr($str, 0, 6, 'utf-8');
echo "<br>";
echo "mb_strcut:" . mb_strcut($str, 0, 6, 'utf-8');
?>

输出结果如下：

mb_substr:魔镜魔镜，告

mb_strcut:魔镜

 

额外补充知识点:

1.在UTF-8编码下各种符号占用的字节？

一个英文字符等于一个字节，一个中文（含繁体）等于三个字节。中文标点占三个字节，英文标点占一个字节。

2.什么是字节?

字节是指一小组相邻的二进制数码。通常是8位作为一个字节。它是构成信息的一个小单位，并作为一个整体来参加操作，比字小，是构成字的单位。

阅读更多