php截取指定字符之间内容的类与实例（含转码、过滤html 等）

chenglu

第一部分、基础知识点
1、一个php截取指定字符串之间的字符串的类
知识来源http://hi.baidu.com/ijob/blog/item/eb83213f7f2494e654e723dc.html

1. <?php
   
2. class get_c_str {
   
3. var $str;
   
4. var $start_str;
   
5. var $end_str;
   
6. var $start_pos;
   
7. var $end_pos;
   
8. var $c_str_l;
   
9. var $contents;
   
10. function get_str($str,$start_str,$end_str){
    
11.    $this->str = $str;
    
12.    $this->start_str = $start_str;
    
13.    $this->end_str = $end_str;
    
14.    $this->start_pos = strpos($this->str,$this->start_str)+strlen($this->start_str);
    
15.      $this->end_pos = strpos($this->str,$this->end_str);
    
16.    $this->c_str_l = $this->end_pos - $this->start_pos;
    
17.    $this->contents = substr($this->str,$this->start_pos,$this->c_str_l);
    
18.    return $this->contents;
    
19. }
    
20. }
    
21. ?>

复制代码

赞叹高人，这么厉害的功能用短短几行代码就搞定。同时再次感谢奉献精神。
上述类的使用方法：

1. <?php
   
2. $get_c_str = new get_c_str;
   
3. echo $get_c_str -> get_str('[123456789]','[',']');
   
4. ?>

复制代码

2、过滤非必要的html代码：strip_tags()函数
用法：

1. strip_tags($sjb,'<img><p>');
   

复制代码

“（）”的逗号前是要处理的字符串（可以是赋有字符串值的变量），逗号后是过滤时保留的html标签。如果不指定它，所有被处理字符串中的html标签将被全部清掉，只留下文字。

3、抓取到的内容（例如网页）编码与需要显示时不符时的处理。
如果抓到的内容和显示的页面编码不一致，会导致乱码，辛苦半天会很郁闷。找到处理方法如下：
知识来源：http://hi.baidu.com/swhl010515/b ... 52ca22b838200d.html
a、把 GBK 编码字串转换成 UTF-8 编码字串
Php代码

1. <?php   
   
2. header("content-Type: text/html; charset=Utf-8");   
   
3. echo mb_convert_encoding("你是我的好朋友", "UTF-8", "GBK");   
   
4. ?>   
   
5. <?php
   
6. header("content-Type: text/html; charset=Utf-8");
   
7. echo mb_convert_encoding("你是我的好朋友", "UTF-8", "GBK");
   
8. ?>

复制代码

b、把 UTF-8 编码字串转换成 GB2312 编码字串
Php代码

1. // 注意将此文件存盘成   utf-8 编码格式文件再测试   
   
2. <?php   
   
3. header("content-Type: text/html; charset=gb2312");   
   
4. echo mb_convert_encoding("你是我的好朋友", "gb312", "utf-8");   
   
5. ?>   
   
6. // 注意将此文件存盘成  utf-8 编码格式文件再测试
   
7. <?php
   
8. header("content-Type: text/html; charset=gb2312");
   
9. echo mb_convert_encoding("你是我的好朋友", "gb312", "utf-8");
   
10. ?>

复制代码

c、对整个页面 进行转换
该方法适用所有编码环境。把前128个字符以外（显示字符）的字符集都用 NCR （Numeric character reference，如“汉字”将转换成“汉字”这种形式）来表示，这样的编码在任意编码环境下页面都能正常显示。
方法是在php文件的头部加上下面三行代码：
Php代码

1. mb_internal_encoding("gb2312");  // 这里的gb2312是你网站原来的编码   
   
2. mb_http_output("HTML-ENTITIES");   
   
3. ob_start('mb_output_handler');   
   
4. mb_internal_encoding("gb2312");  // 这里的gb2312是你网站原来的编码
   
5. mb_http_output("HTML-ENTITIES");
   
6. ob_start('mb_output_handler');

复制代码

*注意：使用mb_convert_encoding 函数需启用PHP 的mbstring （multi-byte string）扩展

二、应用实例
本实例的目的是把某网页的某个部分抓取下来，处理成可以调用的变量，或更加符合使用要求的格式。

1. <?
   
2. //基本变量*获取数据源，可为网页，也可以是本地文本文件及网页
   
3. $file_name="http://yn.weather.com.cn/lijiang/index.shtml";
   
4. //截取函数
   
5. class get_c_str {
   
6. var $str;
   
7. var $start_str;
   
8. var $end_str;
   
9. var $start_pos;
   
10. var $end_pos;
    
11. var $c_str_l;
    
12. var $contents;
    
13. function get_str($str,$start_str,$end_str){
    
14.    $this->str = $str;
    
15.    $this->start_str = $start_str;
    
16.    $this->end_str = $end_str;
    
17.    $this->start_pos = strpos($this->str,$this->start_str)+strlen($this->start_str);
    
18.      $this->end_pos = strpos($this->str,$this->end_str);
    
19.    $this->c_str_l = $this->end_pos - $this->start_pos;
    
20.    $this->contents = substr($this->str,$this->start_pos,$this->c_str_l);
    
21.    return $this->contents;
    
22. }
    
23. }
    
24. ///////////////////读取
    
25. 
    
26. $file_handle = fopen("$file_name", "r");
    
27. while (!feof($file_handle)) {
    
28.    $line = fgets($file_handle);
    
29.    $sjb=$sjb.$line;
    
30. }
    
31. fclose($file_handle);
    
32. //截取
    
33. $get_c_str = new get_c_str;
    
34. $sjb=$get_c_str -> get_str($sjb,'forecast">','margin-bottom');
    
35. //去除非必要html
    
36. $sjb=strip_tags($sjb,'<img><p>');
    
37. //替换
    
38. $sjb=str_replace('src="/','src="http://yn.weather.com.cn/',$sjb);
    
39. //转码
    
40. $sjb= mb_convert_encoding($sjb, "GBK", "UTF-8");
    
41. echo $sjb;
    
42. ?>

复制代码

原文：http://blog.csdn.net/woaixhq/article/details/6122025