| <?php /******************************************************************** * 原文件名：Filter1.php * 文件说明：过滤HTML字符串 * 文件编写：xuefengal@sohu.com * 流程说明： * 当附合要求的参数传递进filter函数后,filter()函数首先 * 把要字串中所有要过滤的标签$tag通过preg_match_all() * 取出来,然后循环preg_match_all的匹配数组,通过preg_split() * 函数分割每个标签为 "左边属性" = "右边值"的形式,再从要保 * 留的属性数组中循环,将preg_split()匹配的内容对应取出,构成 * 可以替换的值,后最通过str_replcae()替换掉字串中相应的标签 * 函数列表： * function filter(&$str,$tag,$keep_attribute) * function match($reg,&$str,$arr) * function show($str,$title='',$debug = True) * 使用示例： * //取得搜狐新闻首页 * $str = @file_get_content("http://news.sohu.com"); * //过滤 * filter($str,'a','href,target,alt'); * filter($str,'p','align'); * show($str,'过滤后的内容'); ********************************************************************/ $start_time = array_sum(explode(" ",microtime())); $str = <<< HTML <A style="a" target=_blank href='http://www.a.com' xxx=xadsfa alt="a a a" style="aa">site a</A> <A alt='b b b' xxx=xadsfa target=_blank href='http://www.b.com' style="b" style="bb">site b</A> <A xxx=xadsfa style="c" href='http://www.c.com' target=_blank alt=c c c style="cc">site c</A> <A style="d" href='http://www.d.com' xxx=xadsfa alt=d d d target=_blank style="dd">site d</A> <A target=_blank style="e" xxx=xadsfa style="ee" alt=e e e href='http://www.e.com'>site e</A> <p align=right style="font-size:10px">adasdfasdf</p> <p style="font-color:red;" align='left'>asdfasdfasdfasdf</p> <p align=left right center>asdfasdfasdf</p> <font color="red" alt=adasd adsasd>asdfadsfasdf</font> <font align='left' color=red>asdfasdfadf</font> <font align=left right color=red black>asdfasdf</font> HTML; //显示原字串 show($str,'Html'); /***********************************************************************************************************************************************************************/ //过滤 filter($str,'a','href,target,alt'); filter($str,'p','align'); filter($str,'font','color,alt'); //显示过滤后的内容 show($str,'Result'); //脚本运行时间 $run_time = array_sum(explode(" ",microtime())) - $start_time; echo('<center>Script Run Time: '.$run_time.'</center>'); /** * 说明：过滤HTML字串 * 参数： * $str : 要过滤的HTML字串 * $tag : 过滤的标签类型 * $keep_attribute : * 要保留的属性,此参数形式可为 * href * href,target,alt * array('href','target','alt') */ function filter(&$str,$tag,$keep_attribute) { //检查要保留的属性的参数传递方式 if(!is_array($keep_attribute)) { //没有传递数组进来时判断参数是否包含,号 if(strpos($keep_attribute,',')) { //包含,号时,切分参数串为数组 $keep_attribute = explode(',',$keep_attribute); }else { //纯字串,构造数组 $keep_attribute = array($keep_attribute); } } echo("·过滤[$tag]标签,保留属性:".implode(',',$keep_attribute).'<br>'); //取得所有要处理的标记 $pattern = "/<$tag(.*)<\/$tag>/i"; preg_match_all($pattern,$str,$out); //循环处理每个标记 foreach($out[1] as $key => $val) { //取得a标记中有几个= $cnt = preg_split('/ *=/i',$val); $cnt = count($cnt) -1; //构造匹配正则 $pattern = ''; for($i=1; $i<=$cnt; $i++) { $pattern .= '( .*=.*)'; } //完成正则表达式形成,如/(<a)( .*=.*)( .*=.*)(>.*<\/a>/i的样式 $pattern = "/(<$tag)$pattern(>.*<\/$tag>)/i"; //取得保留属性 $replacement = match($pattern,$out[0][$key],$keep_attribute); //替换 $str = str_replace($out[0][$key],$replacement,$str); } } /** * 说明：构造标签,保留要保留的属性 * 参数：$reg : pattern,preg_match的表达式 * $str : string,html字串 * $arr : array,要保留的属性 * 返回： * 返回经保留处理后的标签,如 * <A href='http://www.e.com' target=_blank alt=e e e>e.com</A> */ function match($reg,&$str,$arr) { //match preg_match($reg,$str,$out); //取出保留的属性 $keep_attribute = ''; foreach($arr as $k1=>$v1) { //定义的要保留的属性的数组 foreach($out as $k2=>$v2) { //匹配=后的数组 $attribute = trim(substr($v2,0,strpos($v2,'='))); //=前面的 if($v1 == $attribute) { //要保留的属性和匹配的值的=前的部分相同 $keep_attribute .= $v2; //保存此匹配部分的值 } } } //构造返回值,结构如:<a href=xxx target=xxx class=xxx>aadd</a> $keep_attribute = $out[1].$keep_attribute.($out[count($out)-1]); //返回值 Return $keep_attribute; } /** * 显示字串内容 */ function show($str,$title='',$debug = True) { if($debug) { if(is_array($str)) { $str = print_r($str,True); } $txtRows = count(explode("\n",$str))+1; echo($title.':<br><TEXTAREA NAME="txt" ROWS="'.$txtRows.'" COLS="130">'.$str.'</TEXTAREA><br><br>'); } } ?> |