[php] [原创] 自动生成文章摘要[PHP 版本] [复制链接]

dknt　楼主

详细数据读取中

银牌会员

帖子: 884
体力: 2959
威望: 92
居住地: 美洲美国

发表于 2006-9-8 13:57:21 |显示全部楼层

原创作品，转载请注明出处

By dknt From bbs.blueidea.com

实现内容：截断一段含有HTML代码的文本，但是不会出现围堵标记没有封闭的问题。

说明：这是PHP版的，用于在服务器端使用，如果你需要一个客户端版的，请阅读
　　　　 自动生成文章摘要[JavaScript 版本]。

我们在写BLOG这样的程序时经常需要显示文章前一部分的，但是又怕不恰当的截断破坏封闭标签以造成整个文档结构破坏，使用我的函数可以在要求不高的情况下解决这个问题。

大家应该考虑这个函数在服务端应用还是在客户端应用。因为我考虑这个函数可能运行起来比较费机器，所以安全性要求不高的情况下可以放在客户端上。

最好数据表中单独一个字段放这个摘要，这样相应的数据库查询也优化了。牺牲一点点空间换很多时间还是划算的。

再聊一下安全性问题，主要是内容安全性。如果客户端意图更改正常的摘要信息的话，一般都是BLOG的主人才有这个权力，那么他使得摘要和原文的一致性破坏就是他自己的事了。内容以外的安全性都可以在服务端解决。所以还是推荐在客户端使用本函数。

核心代码

// PHP 4.3 or above needed
define("BRIEF_LENGTH", 800); //Word amount of the Briefing of an Article
function Generate_Brief($text){
global $Briefing_Length;
if(strlen($text) <= BRIEF_LENGTH ) return $text;
$Foremost = substr($text, 0, BRIEF_LENGTH);
$re = "/<(\/?)(P|DIV|H1|H2|H3|H4|H5|H6|ADDRESS|PRE|TABLE|TR|TD|TH|INPUT|SELECT|TEXTAREA|OBJECT|A|UL|OL|LI|BASE|META|LINK|HR|BR|PARAM|IMG|AREA|INPUT|SPAN)[^>]*(>?)/i";
$Single = "/BASE|META|LINK|HR|BR|PARAM|IMG|AREA|INPUT/i";
$Stack = array(); $posStack = array();
preg_match_all($re,$Foremost,$matches, PREG_SET_ORDER | PREG_OFFSET_CAPTURE);
/* [Child-matching Specification]:
$matches[$i][1] : A "/" charactor indicating whether current "<...>" Friction is Closing Part
$matches[$i][2] : Element Name.
$matches[$i][3] : Right > of a "<...>" Friction */
for($i = 0 ; $i < count($matches); $i++){
if($matches[$i][1][0] == ""){
$Elem = $matches[$i][2][0];
if(preg_match($Single,$Elem) && $matches[$i][3][0] !=""){
continue;
}
array_push($Stack, strtoupper($matches[$i][2][0]));
array_push($posStack, $matches[$i][2][1]);
if($matches[$i][3][0] =="") break;
}else{
$StackTop = $Stack[count($Stack)-1];
$End = strtoupper($matches[$i][2][0]);
if(strcasecmp($StackTop,$End)==0){
array_pop($Stack);
array_pop($posStack);
if($matches[$i][3][0] ==""){
$Foremost = $Foremost.">";
}
}
}
}
$cutpos = array_shift($posStack) - 1;
$Foremost = substr($Foremost,0,$cutpos);
return $Foremost;
};

复制代码

欢迎大家找错误。谢谢。

[ 本帖最后由 dknt 于 2006-9-8 16:07 编辑 ]

已有 1 人评分	威望	收起理由
帅青蛙	+ 1	原创内容

总评分: 威望 + 1 查看全部评分

- 回帖取义，发帖成仁... -

西部数码顶级域名注册商39元抢注！

使用道具举报

dknt　楼主

详细数据读取中

银牌会员

帖子: 884
体力: 2959
威望: 92
居住地: 美洲美国

发表于 2006-11-2 12:09:53 |显示全部楼层

最近应用了一下，发现上面的函数对多字节字符集支持得不好，因此重写了一下。

如果遇到问题，不妨试试下面的函数。

function Generate_Brief($text){
global $Briefing_Length;
mb_regex_encoding("UTF-8");
if(mb_strlen($text) <= BRIEF_LENGTH ) return $text;
$Foremost = mb_substr($text, 0, BRIEF_LENGTH);
$re = "<(\/?)(P|DIV|H1|H2|H3|H4|H5|H6|ADDRESS|PRE|TABLE|TR|TD|TH|INPUT|SELECT|TEXTAREA|OBJECT|A|UL|OL|LI|BASE|META|LINK|HR|BR|PARAM|IMG|AREA|INPUT|SPAN)[^>]*(>?)";
$Single = "/BASE|META|LINK|HR|BR|PARAM|IMG|AREA|INPUT|BR/i";
$Stack = array(); $posStack = array();
mb_ereg_search_init($Foremost, $re, 'i');
while($pos = mb_ereg_search_pos()){
$match = mb_ereg_search_getregs();
/* [Child-matching Formulation]:
$matche[1] : A "/" charactor indicating whether current "<...>" Friction is Closing Part
$matche[2] : Element Name.
$matche[3] : Right > of a "<...>" Friction
*/
if($match[1]==""){
$Elem = $match[2];
if(mb_eregi($Single, $Elem) && $match[3] !=""){
continue;
}
array_push($Stack, mb_strtoupper($Elem));
array_push($posStack, $pos[0]);
}else{
$StackTop = $Stack[count($Stack)-1];
$End = mb_strtoupper($match[2]);
if(strcasecmp($StackTop,$End)==0){
array_pop($Stack);
array_pop($posStack);
if($match[3] ==""){
$Foremost = $Foremost.">";
}
}
}
}
$cutpos = array_shift($posStack) - 1;
$Foremost = mb_substr($Foremost,0,$cutpos,"UTF-8");
return $Foremost;
};