php教程|php手册
解析,php,利用,正则,表达式,解决,采集,内容,排版,问题,做,采集,经常,遇到,问题是,内容,排版,问题,
php教程-php手册
做采集经常遇到的问题是内容排版问题,用了一些时间写了个用正则替换html标签和样式的函数,共享下。
音乐点歌台网站源码,vscode放固态,ubuntu唤醒功能,tomcat集群脚本,c sqlite 批量,小程序 服务器 安全证书,js 多视频播放插件,公众号 开发前端框架,爬虫文本识别,php设置环境变量,seo培训一般多少钱,免费的网站代码下载,限定要搜索的网页的时间,迪恩视频风格模板,微信游戏页面,港口管理系统源码,java发的程序源码的后缀lzw
复制代码 代码如下:
科汛源码,vscode代码补全提示,ubuntu备份教程,tomcat进程重复启动,房贷爬虫,apache php集群,seo营销代理打广告,医疗门户网站 源码,css 网站 模板lzw
/**
* 格式化内容
* @param string $content 内容最好统一用utf-8编码
* @return string
* !本函数需要开启tidy扩展
*/
function removeFormat($content) {
$replaces = array (
“//i” => ”,
“//i” => ”,
“//i” => ”,
“//i” => ”,
“//i” => ”,
“//i” => ”,
“/
/i” => “
his系统 源码,ubuntu现在软件,tomcat增加设置参数,cpu怎么爬虫,php oa系统开发流程,杭州优质seo销售价格lzw
“,
“//i” => “
“,
“/<!–*–>/i”=>”,
/* “/
/i” => ”, */ “/style=.+?[‘|\”]/i” => ”, “/class=.+?[‘|\”]/i” => ”, “/id=.+?[‘|\”]/i”=>”, “/lang=.+?[‘|\”]/i”=>”, //”/width=.+?[‘|\”]/i”=>”,//不好控制注释掉 //”/height=.+?[‘|\”]/i”=>”, “/border=.+?[‘|\”]/i”=>”, “/face=.+?[‘|\”]/i”=>”, “/ []*/i” => “ “, “/.*/i” => ”, “/ /i” => ‘ ‘,//空格替换掉 “/ [ |\x{3000}|\r\n]*/ui” => ‘ ‘,//替换半角、全角空格,换行符,用 排除写入数据库时产生的编码问题 ); $config = array( //’indent’ => TRUE, //是否缩进 ‘output-html’ => TRUE,//是否是输出xhtml ‘show-body-only’=>TRUE,//是否只获得到body ‘wrap’ => 0 ); $content = tidy_repair_string($content, $config, ‘utf8’);//先利用php自带的tidy类库修复html标签,不然替换的时候容易出现各种诡异的情况 $content = trim($content); foreach ( $replaces as $k => $v ) { $content = preg_replace ( $k, $v, $content ); } if(strpos($content,’ ‘)>6)//部分内容开头可能缺失 标签 $content = ‘ ‘.$content; $content = tidy_repair_string($content, $config, ‘utf8’);//再修复一次,可以去除html空标签 $content = trim($content); return $content; } 本内容不代表本网观点和政治立场,如有侵犯你的权益请联系我们处理。
|