但是，还有一个问题。。。。。。。没有考虑这种情况 其实这样的话，注释也能考虑进来了
$arr = preg_split('/(<\!--.*-->|<[^>]*>)/s', $str, -1, PREG_SPLIT_OFFSET_CAPTURE);登入後複製
这个题我上次测过
不好做
ＰＨＰ手上有标签不配对时，自动补全的代码
估计腾讯的人如果没有答案，也够它搞几天的
实际应用中，一些程序有这功能，如网博士的网页选取保存
标签的混合嵌套是不符合xhtml标准的，但单标签闭合是允许的
这个题：
如果只考虑"123abc456def789"这个字符串
问题可以简单很多。
这就是只考一下你的算法
但不具实际应用意义，具有实际应用意的话就是标签不限，不是一下两个能解决的
对于
这种单标签是不受影响的，因为其第一次匹配到时在栈里找不到与之对应的开始标签是不会入栈的。不过对于
这种单标签确实是会出现问题。
呵呵，这题有印象
来添砖加瓦
PHP code
$str = "a1
b2c3d4e5
f6g7h8";
$arr = preg_split('/(<[^>]*>)/', $str, -1, PREG_SPLIT_OFFSET_CAPTURE);
foreach($arr AS $k => $v)
{
i……
哥们你的代码我没看太懂，最后出来的那个数组，字符并不是单独存在于数组每个元素的，如果按照长度来计算出我想要截取到的长度？
我理解为你希望看到的结果是
array
0 => string 'a',
1 => string '1',
2 => string ''
3 => string 'b',
4 => string '2',
...
这样的形式，可以将每一个元素连接起来，取得截取后的字符串 呵呵，打印一下数组结构
比如
$str = "a1
b2c3d4e5
f6g7h8
";
…………
结果如下，，遍历下数组，拼接字符串，应该就可以了。$arr[$i][1]是字符串开始位置，到这一步可以不用理会了
Array
(
[0] => Array
(
[0] => a1
[1] => 0
[2] =>
)
[1] => Array
(
[0] => b2
[1] => 8
[2] =>
)
[2] => Array
(
[0] => c
[1] => 13
[2] =>
)
[3] => Array
(
[0] => 3
[1] => 33
[2] =>
)
……
……
引用 2 楼 amani11 的回复:
呵呵，这题有印象
来添砖加瓦
PHP code
$str = "a1
b2c3d4e5
f6g7h8";
$arr = preg_split('/(<[^>]*>)/', $str, -1, PREG_SPLIT_OFFSET_CAPTURE);
foreach($arr ……
那你理解错了，你最好先看看preg_split
结果是个二维的数组 这样不是更直观些？
$str = "a1<body>b2<p>c<!--</em>123<em>-->3<em>d4</em>e5</p>f6</body>g7h8<br />";$arr = preg_split("/(<\!--.*-->|<[^>]*>)/s", $str, -1, PREG_SPLIT_DELIM_CAPTURE);print_r($arr);登入後複製
Array
(
[0] => a1
[1] =>
[2] => b2
[3] =>
[4] => c
[5] =>
[6] => 3
[7] =>
[8] => d4
[9] =>
[10] => e5
[11] =>
[12] => f6
[13] =>
[14] => g7h8
[15] =>
[16] =>
)
引用 9 楼 shadowsniper 的回复:
引用 2 楼 amani11 的回复:
呵呵，这题有印象
来添砖加瓦
PHP code
$str = "a1
b2c3d4e5
f6g7h8";
$arr = preg_split('/(<[^>]*>)/', $str, -1, PREG_SPLIT_OFFSET_……
明白了，如果是这样就可以将二维数组的元素连接起来了。不过最后还是要处理掉不匹配的标签。 写了个简单的，欢迎拍砖
/** * 函数名 html_substr * 功能 从html串中截取指定长度的字串，html标记不计算在内 * 参数 * $str 要截取的串 * $len 要截取的长度 * $mode 不匹配的标记的处理方式 0 删去(默认)，1 补齐 * 返回 截取到的串 * 说明 * 未考虑多字节字符，仅已字节做计数单位 * 未考虑可单独存在的标记 **/function html_substr($str, $len, $mode=0) { $ar= preg_split('/(<\!--.*-->|<[^>]*>)/s', $str, -1, PREG_SPLIT_DELIM_CAPTURE); foreach($ar AS $k => $v) { if($v{0} != '<') { $len = $len - strlen($v); if($len < 0) $ar[$k] = substr($v, 0, $len); }else $ar[$k] = strtolower($v); if($len <= 0) break; } $ar = array_slice($ar, 0, $k+1); $len = count($ar); foreach($ar as $k=>$v) { if($v{0} == '<' && $v[1] != '/') { $ch = str_replace('<', '</', $v); for($i=$k+1; $i<$len && $ar[$i]!=$ch; $i++); if($i == $len) if($mode) $ar[$len] = $ch . $ar[$len]; else $ar[$k] = ''; } } return join('', $ar);}$str = "123<em>abc</em>456<em>def</em>789";echo '<xmp>';echo html_substr($str, 5) . PHP_EOL;echo html_substr($str, 5, 1);登入後複製
123ab
123ab
学习了，高手都在啊。
唠叨老大写的这个很简洁，满足题意是绝对没问题了。但是如果再多考虑一些。假如这个字符串很长，1000个字节。而我只截取10个字符。
用preg_split将整个字符串按标签分组的话，正则解析器会搜索整个字符串。做了很多多余的搜索。
$str = "a1<body>b2c3<p><em>d4</em>e</p>5f6</body>g7h8";$gn = 7;$i = $j = $k = 0;while( ($c = $str[$i++]) && $j < $gn ) { if( $c == '<') { $tag = 1; } elseif($c == '>') { if(trim($tg,'/') == 'em') { $tgs[$j-1] = '<'.$tg.'>'; } else { if($tgs[$j-1]) $ogs[$j-1] = '1|'.'<'.$tg.'>'; else $ogs[$j-1] = '0|'.'<'.$tg.'>'; } $tag = 0; $tg = ''; } elseif($tag == 1) { $tg .= $c; } else { $tmp[] = $c; $j++; }}$ts = count($tgs);if($ts % 2) array_pop($tgs);foreach($tmp as $k=>$v){ $ba = explode('|',$ogs[$k],2); if( $tgs[$k] && $ogs[$k]) { if($ba[0]) { $s .= $v.$tgs[$k].$ba[1]; } else $s .= $v.$ba[1].$tgs[$k]; } else $s .= $v.$tgs[$k].$ba[1];}echo htmlspecialchars($s);登入後複製
不会做了。123abc456def789
一定要做的话，只会：
对标签作为分割符，对其视而不见，将第一段字符存贮为$a1;即$a1=123;第二断为$a2,$a2=abc;一直到$a.$i;
总之就是一段一段的
$a1.$2.$a3.$a4.……
然后算字符，当第一段字符不够，接着取下一段。一直到够为止。
最后写条件加标签。
123奇abc偶456奇def偶789,$a1奇$a2偶$a3奇$a4偶$a5
奇偶条件。截取的如果奇偶对满，加标签，如果不满，就不加。
我做题的思路和楼主不太一样。
首先楼主直接把这个问题中的标签由 em 升级到通用性的 html 标签了，我觉得这种抽象的思维是一种好习惯，但针对如题的面试，我会就按如题所说，只对em 进行解析，完成第一版的原型，复杂的事情，以后时间多了慢慢的思考。
也写点代码，
我的思路是希望通过数据结构来处理这个问题，少依赖正则表达式。
例如
123abc456def789
的数据结构为
tagInfo =>array(
1 start 3, end 6
2 start 9, end 12
) 用于记录标签的位置
和stripStr = "123abc456def789"; 用来存取相应的去掉标签的字符串
这样一来，得到目标字符串，就成了在这个数据结构上去merge 最终字符串的一种算法了。
代码可以使用，在此我更多的是想表达一种思路，代码中有很多需要完善的地方，感谢大家指正，
$str = "123<em>abc</em>456<em>def</em>789";$str1 = mysub($str,5);/************************the result is 123bc************************/$str2 = mysub($str,10);/************************the result is 123<em>abc</em>456d************************//** * * * * @param string $str * @param int $len * @return str 目标字符串 */function mysub($str,$len = 8){ $str = "123<em>abc</em>456<em>def</em>789"; $parseStr = getTag($str,"em"); //将字符串中的em 进行解析，得到所在的开始位置和结束位置. //得到当前指定位置所在的游标. $cur = -1; foreach($parseStr as $key=>$val) { if($len >= $val["end"]) { $cur = $key; } } $dest_str = substr(strip_tags($str),0,$len); $dest_str = merge_str($dest_str,$cur,$parseStr); //得到拼接出来的目标字符串 return $dest_str; }//生成最终数据function merge_str($dest_str,$cur,$parseStr){ for($i=0;$i<strlen($dest_str);$i++) { $str_arr[$i] =substr($dest_str,$i,1); } foreach($parseStr as $key=>$val) { if($cur >= $key) { echo $val["start"]; $str_arr[ $val["start"] ] = "<em>".$str_arr[ $val["start"] ]; $str_arr[ $val["end"]-1 ] .= "</em>"; } } $str_out= implode("",$str_arr); echo $str_out; }/** * 解析字符串中em 的 start end 位置. * */function getTag($str,$tagName = "em"){ preg_match_all("/<$tagName>(.*)<\/$tagName>/iU",$str,$matches); $tagArr = $matches[1]; //将em 标签的内容放入tagArr数组。 //获取相应的起始位置. foreach ($tagArr as $key=>$val) { $resultArr[$key]["val"] = $val; $resultArr[$key]["start"] = handel_getstart($str,$val,$key); $resultArr[$key]["end"] = handel_getend($str,$val,$key); } return $resultArr; }//获取开始位置function handel_getstart($str,$val,$key){ return strripos($str,$val)- $key*9-4; //这里写得比较随意,可能问题很多，todo : 要防止重复字符串时取位错误.}//获取结束位置function handel_getend($str,$val,$key){ return handel_getstart($str,$val,$key)+strlen($val);}登入後複製
唠叨老大写的这个很简洁，满足题意是绝对没问题了。但是如果再多考虑一些。假如这个字符串很长，1000个字节。而我只截取10个字符。
用preg_split将整个字符串按标签分组的话，正则解析器会搜索整个字符串。做了很多多余的搜索。
的确如此！
不过可以考虑只取一部分（比如待截取的长度*5）来做分析
是否使用正则表达式去分割字符串，是可商榷的。这取决于 memory_limit 的值
早期的php默认 memory_limit = 8M
这样的话，用正则表达式切割字符串远没有自己写一个函数来的快
现在的php默认 memory_limit = 128M
我测试了一下，还是正则来的快，所以就用了正则。毕竟看起来简洁多了
唠叨老大写的这个很简洁，满足题意是绝对没问题了。但是如果再多考虑一些。假如这个字符串很长，1000个字节。而我只截取10个字符。
用preg_split将整个字符串按标签分组的话，正则解析器会搜索整个字符串。做了很多多余的搜索。
我觉得在不考虑递归的情况下。
取字符串时可以预处理一下。
例如取前10 个，
最极端的情况下，字符串长度为
1234567890
那么先把字段直接取前100个，使用唠叨老大的代码处理。。。
有点错，更正一下
为了便于测试，我仿你的思路写了个测试函数
/** * 函数名 check_speed * 功能 统计运行时间和内存使用情况 * 参数 $num 大于0 开始计时，等于0或缺省 停止计时并输出结果 * 说明 本函数可以以 check_speed(运行次数, 函数名, 参数列表); * 方式调用。输出的结果是平均每次的耗时 **/function check_speed($num=0) { static $time; static $memo; $argc = func_num_args(); $param = func_get_args(); switch($argc) { case 1: $time = microtime(true); $memo = memory_get_usage(); break; default: $time = microtime(true); $memo = memory_get_usage(); $len = array_shift($param); $func = array_shift($param); for($i = 0; $i<$len; $i++) call_user_func_array($func, $param); echo '<br />' . PHP_EOL . $func; case 0: $len or $len = 1; echo '<br />' . PHP_EOL; printf("时间: %s 微秒<br />%s", number_format((microtime(true) - $time)*1000000/$len), PHP_EOL); printf("内存: %d<br />%s", memory_get_usage()-$memo, PHP_EOL); }}登入後複製
对你我的代码做了一下测试
check_speed(100, 'html_substr', $str, 5);
check_speed(100, 'mySubstr', $str, 5); //注：已注释掉影响速度的 echo 语句
结果如下：
html_substr
时间: 42 微秒
内存: 3416
mySubstr
时间: 85 微秒
内存: 3864
学习了！
记得是前阵子去腾讯面试时的那道题，当时用笔我没写出来，就大概说了下思路，今天有空，就写了一下，发现要做到完美还是很麻烦的。
题目是:
假设有"123abc456def789"这么一个字符串,写一个函数，可以传入一个字符串，和一个要截取的长度。返回截取后的结果。
要求:
1 和标记不得计算在长度之内。
2 截取后的字符串，要……
楼主的思路很对呢。。只是特殊情况应该就不是他们面试的目的
我这里有啊....
http://hi.baidu.com/lael80/blog/item/669ebe1e50f635134134172c.html
//tags : 字符串可能包含的HTML标签//zhfw : 用来修正中英字宽参数function wsubstr($str, $length = 0, $suffixStr = "...", $start = 0, $tags = "div|span|p", $zhfw = 0.9, $charset = "utf-8"){//author: lael//blog: http://hi.baidu.com/lael80$re['utf-8'] = "/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}/";$re['gb2312'] = "/[\x01-\x7f]|[\xb0-\xf7][\xa0-\xfe]/";$re['gbk'] = "/[\x01-\x7f]|[\x81-\xfe][\x40-\xfe]/";$re['big5'] = "/[\x01-\x7f]|[\x81-\xfe]([\x40-\x7e]|\xa1-\xfe])/";$zhre['utf-8'] = "/[\xc2-\xdf][\x80-\xbf]|[\xe0-\xef][\x80-\xbf]{2}|[\xf0-\xff][\x80-\xbf]{3}/";$zhre['gb2312'] = "/[\xb0-\xf7][\xa0-\xfe]/";$zhre['gbk'] = "/[\x81-\xfe][\x40-\xfe]/";$zhre['big5'] = "/[\x81-\xfe]([\x40-\x7e]|\xa1-\xfe])/";//下面代码还可以应用到关键字加亮、加链接等，可以避免截断HTML标签发生//得到标签位置$tpos = array();preg_match_all("/<(".$tags.")([\s\S]*?)>|<\/(".$tags.")>/ism", $str, $match);$mpos = 0;for($j = 0; $j < count($match[0]); $j ++){$mpos = strpos($str, $match[0][$j], $mpos);$tpos[$mpos] = $match[0][$j];$mpos += strlen($match[0][$j]);}ksort($tpos);//根据标签位置解析整个字符$sarr = array();$bpos = 0;$epos = 0;foreach($tpos as $k => $v){$temp = substr($str, $bpos, $k - $epos);if(!empty($temp))array_push($sarr, $temp);array_push($sarr, $v);$bpos = ($k + strlen($v));$epos = $k + strlen($v);}$temp = substr($str, $bpos);if(!empty($temp))array_push($sarr, $temp);//忽略标签截取字符串$bpos = $start;$epos = $length;for($i = 0; $i < count($sarr); $i ++){if(preg_match("/^<([\s\S]*?)>$/i", $sarr[$i]))continue;//忽略标签preg_match_all($re[$charset], $sarr[$i], $match);for($j = $bpos; $j < min($epos, count($match[0])); $j ++){if(preg_match($zhre[$charset], $match[0][$j]))$epos -= $zhfw;//计算中文字符}$sarr[$i] = "";for($j = $bpos; $j < min($epos, count($match[0])); $j ++){//截取字符$sarr[$i] .= $match[0][$j];}$bpos -= count($match[0]);$bpos = max(0, $bpos);$epos -= count($match[0]);$epos = round($epos);}//返回结果$slice = join("", $sarr);//自己可以加个清除空html标签的东东if($slice != $str)return $slice.$suffixStr;return $slice;}登入後複製
