php截取html

<?php
/**
* 生成摘要
* @param (string) $body
*  正文
* @param (int) $size
*  摘要长度
* @param (int) $format
*  输入格式 id
*/

function blog_summary($body, $size, $format = NULL){
    $_size = mb_strlen($body, 'utf-8');

    if($_size <= $size) return $body;

    // 输入格式中有 PHP 过滤器
    //  if(!isset($format) && filter_is_php($format)){
    //   return $body;
    //  }

    $strlen_var = strlen($body);

    // 不包含 html 标签
    if(strpos($body, '<') === false){
        return mb_substr($body, 0, $size);
    }

    // 包含截断标志，优先
    if($e = strpos($body, '<!-- break -->')){
        return mb_substr($body, 0, $e);
    }

    // html 代码标记
    $html_tag = 0;

    // 摘要字符串
    $summary_string = '';

    /**
    * 数组用作记录摘要范围内出现的 html 标签
    * 开始和结束分别保存在 left 和 right 键名下
    * 如字符串为：<h3><p><b>a</b></h3>，假设 p 未闭合
    * 数组则为：array('left' => array('h3', 'p', 'b'), 'right' => 'b', 'h3');
    * 仅补全 html 标签，<? <% 等其它语言标记，会产生不可预知结果
    */
    $html_array = array('left' => array(), 'right' => array());
    for($i = 0; $i < $strlen_var; ++$i) {
        if(!$size){
            break;
        }

        $current_var = substr($body, $i, 1);

        if($current_var == '<'){
            // html 代码开始
            $html_tag = 1;
            $html_array_str = '';
        }else if($html_tag == 1){
            // 一段 html 代码结束
            if($current_var == '>'){
                /**
                * 去除首尾空格，如 <br /  > < img src="" / > 等可能出现首尾空格
                */
                $html_array_str = trim($html_array_str);
                /**
                * 判断最后一个字符是否为 /，若是，则标签已闭合，不记录
                */
                if(substr($html_array_str, -1) != '/'){
                    // 判断第一个字符是否 /，若是，则放在 right 单元
                    $f = substr($html_array_str, 0, 1);
                    if($f == '/'){
                        // 去掉 /
                        $html_array['right'][] = str_replace('/', '', $html_array_str);
                    }else if($f != '?'){
                        // 判断是否为 ?，若是，则为 PHP 代码，跳过
                        /**
                        * 判断是否有半角空格，若有，以空格分割，第一个单元为 html 标签
                        * 如 <h2 class="a"> <p class="a">
                        */
                        if(strpos($html_array_str, ' ') !== false){
                            // 分割成2个单元，可能有多个空格，如：<h2 class="" id="">
                            $html_array['left'][] = strtolower(current(explode(' ', $html_array_str, 2)));
                        }else{
                            /**
                            * * 若没有空格，整个字符串为 html 标签，如：<b> <p> 等
                            * 统一转换为小写
                            */
                            $html_array['left'][] = strtolower($html_array_str);
                        }
                    }
                }

                // 字符串重置
                $html_array_str = '';
                $html_tag = 0;
            }else{
                /**
                * 将< >之间的字符组成一个字符串
                * 用于提取 html 标签
                */
                $html_array_str .= $current_var;
            }
        }else{
            // 非 html 代码才记数
            --$size;
        }
        $ord_var_c = ord($body{$i});
        switch (true) {
            case (($ord_var_c & 0xE0) == 0xC0):
                // 2 字节
                $summary_string .= substr($body, $i, 2);
                $i += 1;
                break;
            case (($ord_var_c & 0xF0) == 0xE0):
                // 3 字节
                $summary_string .= substr($body, $i, 3);
                $i += 2;
                break;
            case (($ord_var_c & 0xF8) == 0xF0):
                // 4 字节
                $summary_string .= substr($body, $i, 4);
                $i += 3;
                break;
            case (($ord_var_c & 0xFC) == 0xF8):
                // 5 字节
                $summary_string .= substr($body, $i, 5);
                $i += 4;
                break;
            case (($ord_var_c & 0xFE) == 0xFC):
                // 6 字节
                $summary_string .= substr($body, $i, 6);
                $i += 5;
                break;
            default:
                // 1 字节
                $summary_string .= $current_var;
        }
    }

    if($html_array['left']){
        /**
        * 比对左右 html 标签，不足则补全
        */

        /**
        * 交换 left 顺序，补充的顺序应与 html 出现的顺序相反
        * 如待补全的字符串为：<h2>abc<b>abc<p>abc
        * 补充顺序应为：</p></b></h2>
        */
        $html_array['left'] = array_reverse($html_array['left']);

        foreach($html_array['left'] as $index => $tag){
            // 判断该标签是否出现在 right 中
            $key = array_search($tag, $html_array['right']);
            if($key !== false){
                // 出现，从 right 中删除该单元
                unset($html_array['right'][$key]);
            }else{
                // 没有出现，需要补全
                $summary_string .= '</'.$tag.'>';
            }
        }
    }
    return $summary_string;
}



$html ='<span style="font-family: comic sans ms,cursive;">Afghanistan<br />
        <br />
        <span style="color: rgb(15, 95, 38); font-size: 15px; font-weight: bold; display: block;">testsetset</span><br />
        <br />
        asdf<a href="http://www.google.com">时代http://ww<span style="font-size: 72px;">w时代的.google.com</span></a></span>';


echo blog_summary($html,50);

?>