欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

自动生成文章摘要的代码[PHP 版本]

程序员文章站 2022-07-10 23:44:21
实现内容:截断一段含有html代码的文本,但是不会出现围堵标记没有封闭的问题。 说明:这是php版的,用于在服务器端使用,如果你需要一个客户端版的,请阅读下一篇 ...
实现内容:截断一段含有html代码的文本,但是不会出现围堵标记没有封闭的问题。
说明:这是php版的,用于在服务器端使用,如果你需要一个客户端版的,请阅读下一篇 
我们在写blog这样的程序时经常需要显示文章前一部分的,但是又怕不恰当的截断破坏封闭标签以造成整个文档结构破坏,使用我的函数可以在要求不高的情况下解决这个问题。
大家应该考虑这个函数在服务端应用还是在客户端应用。因为我考虑这个函数可能运行起来比较费机器,所以安全性要求不高的情况下可以放在客户端上。
最好数据表中单独一个字段放这个摘要,这样相应的数据库查询也优化了。牺牲一点点空间换很多时间还是划算的。
再聊一下安全性问题,主要是内容安全性。如果客户端意图更改正常的摘要信息的话,一般都是blog的主人才有这个权力,那么他使得摘要和原文的一致性破坏就是他自己的事了。内容以外的安全性都可以在服务端解决。所以还是推荐在客户端使用本函数。
核心代码

复制代码 代码如下:

// php 4.3 or above needed 
define("brief_length", 800);     //word amount of the briefing of an article 
function generate_brief($text){ 
  global $briefing_length; 
  if(strlen($text) <= brief_length ) return $text;    
  $foremost = substr($text, 0, brief_length); 
  $re = "/<(\/?)(p|div|h1|h2|h3|h4|h5|h6|address|pre|table|tr|td|th|input|select|textarea|object|a|ul|ol|li|base|meta|link|hr|br|param|img|area|input|span)[^>]*(>?)/i"; 
  $single = "/base|meta|link|hr|br|param|img|area|input/i";    
  $stack = array(); $posstack = array(); 
  preg_match_all($re,$foremost,$matches, preg_set_order | preg_offset_capture); 
  /*   [child-matching specification]: 
    $matches[$i][1] : a "/" charactor indicating whether current "<...>" friction is closing part 
    $matches[$i][2] : element name. 
    $matches[$i][3] : right > of a "<...>" friction   */ 
  for($i = 0 ; $i < count($matches); $i++){ 
    if($matches[$i][1][0] == ""){ 
        $elem = $matches[$i][2][0]; 
        if(preg_match($single,$elem) && $matches[$i][3][0] !=""){ 
          continue; 
        } 
        array_push($stack, strtoupper($matches[$i][2][0])); 
        array_push($posstack, $matches[$i][2][1]);          
        if($matches[$i][3][0] =="") break; 
    }else{ 
        $stacktop = $stack[count($stack)-1]; 
        $end = strtoupper($matches[$i][2][0]); 
        if(strcasecmp($stacktop,$end)==0){ 
          array_pop($stack); 
          array_pop($posstack); 
          if($matches[$i][3][0] ==""){ 
            $foremost = $foremost.">"; 
          } 
        } 
    }      
  } 
  $cutpos = array_shift($posstack) - 1;    
  $foremost = substr($foremost,0,$cutpos); 
  return $foremost; 
}; 
若遇到问题(发现上面的函数对多字节字符集支持得不好) 不烦试试下面的这个!

复制代码 代码如下:

function generate_brief($text){ 
  global $briefing_length; 
  mb_regex_encoding("utf-8"); 
  if(mb_strlen($text) <= brief_length ) return $text;    
  $foremost = mb_substr($text, 0, brief_length); 
  $re = "<(\/?)(p|div|h1|h2|h3|h4|h5|h6|address|pre|table|tr|td|th|input|select|textarea|object|a|ul|ol|li|base|meta|link|hr|br|param|img|area|input|span)[^>]*(>?)"; 
  $single = "/base|meta|link|hr|br|param|img|area|input|br/i";    
  $stack = array(); $posstack = array(); 
  mb_ereg_search_init($foremost, $re, 'i'); 
  while($pos = mb_ereg_search_pos()){ 
    $match = mb_ereg_search_getregs(); 
    /*   [child-matching formulation]: 
        $matche[1] : a "/" charactor indicating whether current "<...>" friction is closing part 
        $matche[2] : element name. 
        $matche[3] : right > of a "<...>" friction    
    */ 
    if($match[1]==""){ 
        $elem = $match[2]; 
        if(mb_eregi($single, $elem) && $match[3] !=""){ 
          continue; 
        } 
        array_push($stack, mb_strtoupper($elem)); 
        array_push($posstack, $pos[0]);          
    }else{ 
        $stacktop = $stack[count($stack)-1]; 
        $end = mb_strtoupper($match[2]); 
        if(strcasecmp($stacktop,$end)==0){ 
          array_pop($stack); 
          array_pop($posstack); 
          if($match[3] ==""){ 
            $foremost = $foremost.">"; 
          } 
        } 
    } 
  } 
  $cutpos = array_shift($posstack) - 1;    
  $foremost = mb_substr($foremost,0,$cutpos,"utf-8"); 
  return $foremost; 
};