正则表达式
做采集经常遇到的问题是内容排版问题，用了一些时间写了个用正则替换html标签和样式的函数，共享下。
复制代码 代码如下:
/**
* 格式化内容
* @param string $content 内容最好统一用utf-8编码
* @return string
* !本函数需要开启tidy扩展
*/
function removeFormat($content) {
$replaces = array (
“//i” => ”,
“/<\/font>/i” => ”,
“//i” => ”,
“/<\/strong>/i” => ”,
“//i” => ”,
“/<\/span>/i” => ”,
“/
“,
“/<\/div>/i” => “
“,
“/<!—ecms *–>/i”=>”,
/* “/
| /i” => ”, */ “/style=.+?[‘|\”]/i” => ”, “/class=.+?[‘|\”]/i” => ”, “/id=.+?[‘|\”]/i”=>”, “/lang=.+?[‘|\”]/i”=>”, //”/width=.+?[‘|\”]/i”=>”,//不好控制注释掉 //”/height=.+?[‘|\”]/i”=>”, “/border=.+?[‘|\”]/i”=>”, “/face=.+?[‘|\”]/i”=>”, “/ [ ]*/i” => “ “, [ |\x9来源gaodai#ma#com搞@代~码$网搞gaodaima代码{3000}|\r\n]*/ui” => ‘ ‘,//替换半角、全角空格，换行符，用 排除写入数据库时产生的编码问题 ); if(strpos($content,’ ‘)>6)//部分内容开头可能缺失 标签 ‘.$content; $content = tidy_repair_string($content, $config, ‘utf8’);//再修复一次，可以去除html空标签 搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权 转载请注明原文链接：解析php利用正则表达式解决采集内容排版的问题_PHP |
