2017年第一篇日志，今天来说说一个我觉得很有意思的东西，文章摘要的生成。主要利用到了正则匹配来完成，下面来详细说说原理。
问题
生成文章摘要，就像下面的图片显示的一样，
困难有如下两点：
- 汉字的截取问题；
- html标签的截取问题。
首先，中文环境下肯定不能用substr来进行截取，如果是英文文章，这样做没问题，如果是中文文章，会导致乱码，因为substr方法是按照ascii码进行截取，而一个汉字占三个字符长度，因此会很容易只截取汉字的一部分，如下：
var_dump(substr('你说斯蒂芬士大夫是领导方式呢开发', 0 , 2));
string(2) "�" // 打印
当然，这个很好解决，多字节的字符可以用多字节字符串函数进行处理，打开php.ini，搜索mbstring.dll，将前面的;删除，重启apache后，即可使用多字节字符串处理函数。其中的mb_substr能够进行多字节字符串的截取。
困难二，也是比较麻烦的：html的截取。因为很容易截取一半的标签。当然，也有很多解决方法，如：
- 方法一，利用
strip_tags除去所有的html标签，之后采用mb_substr进行截取，避免截取标签错误。当然，这样做的话，显示的文章没有任何样式，是纯文本； - 方法二，可以在写文章时添加一个标志位，再利用
mb_substr和mb_strpos来截取从开始到标志位的地方作为文章摘要。这个很不推荐，手动添加很恶心，影响文章书写，你不能让用户去做这个； - 方法三，是对进行截取后的html进行分析，补齐未闭合的标签，删除错误的标签，这就需要用到正则了。
原理
我采用的方法就是第三种，利用正则来过滤和补充html内容，生成完整的文章摘要。
首先利用mb_substr对需要生成摘要的文章进行截取，对于截取后的字符串可能会有几种情况：
- 正好截取；
- 截取了一半的标签，如：
<p>测试测试测试测试测试测试测试
这种情况，利用正则表达式来查询开始标签和结束标签，如果两个标签的数量不一致，那么说明有标签未闭合，同时可以得到未闭合的标签并将其补齐。
需要注意的是，HTML中有不少自闭和的标签，在匹配时注意去除这些内容，包括img,br,hr,link,meta,input等
- 错误的标签，如
// 一：
<p>测试测试测试测试测试测试测试</p><div class="conten
// 二
<div class="content">测试测试测试测试测试</d
对这种情况，我的想法是利用正则直接将其删除掉，如错误一，<div class="conten被直接删除，错误标签问题解决；错误二，</d被删除，此时可以当作未闭合标签进行处理。
原理就如上所述的，代码如下：
function CloseTags($html) {
// 直接过滤错误的标签 <[^>]的含义是 匹配只有<而没有>的标签
// 而preg_replace会把匹配到的用''进行替换
$html = preg_replace('/<[^>]*$/','',$html);
// 匹配开始标签，这里添加了1-6，是为了匹配h1~h6标签
preg_match_all('#<([a-z1-6]+)(?: .*)?(?<![/|/ ])>#iU', $html, $result);
$opentags = $result[1];
// 匹配结束标签
preg_match_all('#</([a-z1-6]+)>#iU', $html, $result);
$closetags = $result[1];
$len_opened = count($opentags);
// 如何两种标签数目一致 说明截取正好
if (count($closetags) == $len_opened) { return $html; }
$opentags = array_reverse($opentags);
// 过滤自闭和标签，也可以在正则中过滤 <(?!meta|img|br|hr|input)>
$sc = array('br','input','img','hr','meta','link');
for ($i=0; $i < $len_opened; $i++) {
$ot = strtolower($opentags[$i]);
if (!in_array($opentags[$i], $closetags) && !in_array($ot,$sc)) {
$html .= '</'.$opentags[$i].'>';
} else {
unset($closetags[array_search($opentags[$i], $closetags)]);
}
}
return $html;
}
不得不说正则很确实很有意思。另外，我想应该将这种匹配放到客户端，例如用javascript来运行应该会更好。
声明，这个代码不是我写的，我自己写的不是很理想，这是我从网上找的
END
