使用 PHP 的 DOM 实现返回第一个“n”； HTML 字符串的字符

Question

给定一个 HTML 字符串，我想返回具有以下属性的修改后的字符串：

1. 文本内容的前 n 个字符（除了 HTML 标签）应保留。
2. 满足 n 个字符之后的元素应完全删除。
3. 如果 n 个字符不在元素末尾，则同一元素中后面的文本不应保留。
4. 应保留 n 个字符处和之前的元素标签。

基本上，我只想返回 HTML 的缩短版本，而不中断 DOM 结构，并且仅基于文本内容的长度。

使用 PHP 的 DOM 实现，看起来这会过于复杂。使用模式匹配并不理想，因为修改后的字符串的条件可能会随着时间的推移而改变，并且每次都需要重写。

我是否缺少一种更简单的方法来做到这一点？提前致谢。

Answer 1

“使用 PHP 的 DOM 实现，看起来这会过于复杂。”

真的吗？

如果您想要 内部的前 100 个字符，这里有一个非常简单的 DOM 实现 标签及其子节点。您可以进一步处理它以删除换行符和多余的空格/制表符，或者检查 foreach 内的 $content 字符串的长度，以打破循环并停止连接。已达到一定字符数。

$str = '...';
$dom = new DomDocument;
$dom->loadHTML($str);
$elements = $dom->getElementsByTagName('body');

$content = '';
foreach($elements as $node){
  foreach($node->childNodes as $child) {
    $content .= $child->nodeValue;
  }
}

echo substr($content, 0, 100);

---

更新

根据您的评论，这里有一种简单的方法来计算 HTML 节点内的字符数，并在达到指定的字符限制后删除所有标签。请注意，您无法在原始 foreach 中执行删除操作，因为它会导致 DOM 重新索引节点，并且您将无法获得预期的结果。相反，我们将要删除的节点存储在数组中，并在初始迭代后删除它们。

$str = '...';
$dom = new DomDocument;
$dom->preserveWhitespace = FALSE;
$dom->loadHTML($str);

$elements = $dom->getElementsByTagName('body');

$remove   = FALSE;
$maxChars = 100;
$content  = '';
$delete   = array();

foreach($elements as $node){
  foreach($node->childNodes as $child) {
    if ($remove) {
      $delete[] = $child;
    } else {
      $content .= $child->nodeValue;
      if ( ! $remove && strlen($content) >= $maxChars) {
        $remove = TRUE;
      }
    }
  }
}

foreach ($delete as $child) {
  $child->parentNode->removeChild($child);
}

$dom->formatOutput = TRUE;
echo $dom->saveHTML();