如何正确 substr html 实体？

Question

我有这样的：

$mytext="that's really "confusing" and <absolutly> silly";
echo substr($mytext,0,6);

在这种情况下，输出将是：that&#而不是that's

我想要的是将 html 实体计算为 1 个字符，然后是 substr，因为我总是在文本末尾得到损坏的 html 或一些晦涩的字符。

请不要建议我先 html 解码然后 substr 然后编码它，我想要一个干净的方法:)

谢谢

Answer 1

有两种方法可以做到这一点：

1. 您可以解码 HTML 实体，substr()然后进行编码；或者

2. 您可以使用正则表达式。

(1) 用途html_entity_decode()和htmlentities()：

$s = html_entity_decode($mytext);
$sub = substr($s, 0, 6);
echo htmlentities($sub);

(2) 可能是这样的：

if (preg_match('!^([^&]|&(?:.*?;)){0,5}!s', $mytext, $match)) {
  echo $match[0];
}

这就是说：从字符串的开头找到最多 5 次出现的前面的表达式。前面的表达式是：

• 任何不是＆符号的字符；或者

• 一个 & 号，后跟任何直到并包括分号的内容（即 HTML 实体）。

这并不完美，所以我赞成（1）。