日志一般需要生成摘要，手动填写太麻烦，于是使用mb_substr自动截取，问题来了。如果纯文本还基本准确，要是html代码过多，截取出来的差得太多。比如设定摘要300字，前面空格、html代码就可能占了100。怎么办呢？最好的办法是遇到html代码，跳过，不计数。这样较为准确，当然，美中不足的是，万一是 img 标签呢？什么事都不能十全十美，就这样了。
utf编码，unicode字符1 - 6个字节都有可能，但 html 代码肯定都是 1 字节，并且以 < 开始，以 > 结束，所以稍候分析一下，就出来了。但有个问题，html 标签不能成为对闭合，比如 300 个字符满了，后面还有几个 html 标签，这就造成标签不闭合，页面布局全乱了。记得 php 有个扩展库，专门检查 html 规范的，但一般主机都没装，就试着写了一下。逻辑相当复杂，自己看了都头晕，觉得有些地方多余了，但也没找到另好的办法。
在这几天的测试中，都能正确处理未闭合的 html 标签。但是如果使用 php 过滤器，就会比较麻烦，php 代码内可能会出现非常多的 < 和 >，现在的解决办法是，如果是输入格式中包含有 php 过滤器，就不处理。字符串中没有 html 标签，直接调用 mb_substr 处理，含有摘要截取标记，优先从标记处截断。
下面是代码：
<?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;
}
?>
