PHP字数限制函数截断HTML闭合标签的问题咨询

原函数的问题在于直接按空格分割字符串，把HTML标签也当作普通"单词"处理，截断时会误切掉闭合标签，导致DOM结构损坏。要解决这个问题，核心是区分文本内容与HTML标签，只对文本部分做单词截断，同时保证标签的完整性。

下面是基于DOMDocument的可靠实现：

function limit_words_with_html($phrase, $max_words) {
    if ($max_words <= 0) {
        return '';
    }

    // 初始化DOM文档，处理HTML结构
    $dom = new DOMDocument();
    // 忽略解析错误，兼容不规范的HTML片段
    libxml_use_internal_errors(true);
    // 用根节点包裹内容，方便统一处理
    $dom->loadHTML('<div>' . $phrase . '</div>', LIBXML_HTML_NOIMPLIED | LIBXML_HTML_NODEFDTD);
    libxml_clear_errors();

    $root = $dom->documentElement;
    $word_count = 0;
    $truncated = false;

    // 递归遍历所有节点，只处理文本内容
    $iterator = new RecursiveIteratorIterator($root, RecursiveIteratorIterator::SELF_FIRST);
    foreach ($iterator as $node) {
        if ($node->nodeType === XML_TEXT_NODE && !$truncated) {
            $text = trim($node->nodeValue);
            if (!empty($text)) {
                $words = preg_split('/\s+/', $text);
                $remaining = $max_words - $word_count;

                if (count($words) > $remaining) {
                    // 截断文本并添加省略号
                    $truncated_text = implode(' ', array_slice($words, 0, $remaining)) . '...';
                    $node->nodeValue = $truncated_text;
                    $word_count = $max_words;
                    $truncated = true;
                } else {
                    $word_count += count($words);
                }
            }
        } elseif ($truncated) {
            // 截断后移除后续所有多余节点
            $node->parentNode->removeChild($node);
        }
    }

    // 提取处理后的内容，去掉临时包裹的根div
    $result = $dom->saveHTML($root->firstChild);
    return trim($result);
}

测试示例 #

$string = 'I went to the shop to buy a <span class="highlight"> lollipop </span> and some candy';
echo limit_words_with_html($string, 10);

执行结果会保留完整的闭合标签：

I went to the shop to buy a <span class="highlight"> lollipop </span>...

实现说明 #

• 用DOMDocument解析HTML，从根本上避免标签被拆分；
• 仅遍历文本节点统计单词数，不会把HTML标签误算为单词；
• 截断后自动清理后续节点，同时保证已打开的标签正常闭合；
• 忽略HTML解析错误，兼容各类不规范的HTML片段。

如果只需要处理简单场景，也可以用正则表达式先分离标签与文本，但正则处理HTML的兼容性不如DOM方法，仅适合结构简单的内容。

内容的提问来源于stack exchange，提问作者memaxt