php抓取网页标签(html标签不能是什么事都不能十全十美，就这样了 )

　　php抓取网页标签(html标签不能是什么事都不能十全十美，就这样了

)

　　日志一般需要生成摘要，手动填写太麻烦，所以使用mb_substr自动拦截，问题来了。如果纯文本还是基本准确的，如果html代码太多，拦截就太糟糕了。例如，如果摘要设置为 300 字，则前面的空格和 html 代码可能占 100 字。怎么做？你最好的办法是遇到html代码，跳过它，不计较。这样更准确，当然美中不足的是，如果是img标签呢？没有什么是完美的，仅此而已。

　　utf编码，unicode字符1-6个字节都是可以的，但是html码肯定是1个字节，而且以<开头>结尾，所以后面分析出来。但是有一个问题，html标签不能关闭。比如300字满的时候，后面还有几个html标签，导致标签打不开，页面布局完全乱了。我记得php有一个扩展库，专门检查html规范，但是一般主机没有安装，所以我试着写了。逻辑挺复杂的，看到就头晕，觉得有些地方是多余的，但是没找到别的办法。

　　在这几天的测试中，可以正确处理未封闭的 html 标签。但是如果使用php过滤器会比较麻烦，php代码中可能会有很多<和>，目前的解决方案是，如果输入格式中收录php过滤器，则不进行处理。如果字符串中没有html标签，直接调用mb_substr进行处理，其中收录抽象截取标记，优先从标记截取。

　　这是代码：