基于PHP fopen()与fread()的网站搜索strip_tags返回CSS异常问题排查
问题根因
你遇到的现象完全是strip_tags()的标签识别逻辑+页面源码存在未配对尖括号共同导致的,触发链路非常明确:
strip_tags()的核心规则是:从源码中遇到的第一个<开始,向后找最近的匹配>,只要这组尖括号形成的结构没有被识别为合法闭合的HTML标签,就会把从<到>的整段内容全部判定为标签、直接剥除。- 你的index页面结构刚好踩中了这个规则的坑:
- 页面最开头的
<style>标签是完整配对的,所以样式表内的纯CSS文本,会被strip_tags()正常保留在输出里 - 紧跟在样式块后面的正文区域,存在错位的未配对尖括号——可能是你写文案时不小心打了个
<,也可能是导出代码时漏了尖括号的位置,导致这个单独的<和后面相隔几百字、甚至上千字的某个合法标签的>形成了错误配对 - 这两个错误配对的尖括号之间,恰好夹了你页面所有的正文内容(包括你要检索的关键词),整段被
strip_tags()当成非法标签全部删掉 - 最终输出自然就只剩最前面的CSS内容,完全达不到你预期的提取全量纯文本的效果
- 页面最开头的
修复步骤
- 先定位源码问题:把fread读取到的完整
$readpage内容直接导出成本地HTML文件,逐行检查所有<和>的配对关系,找到间隔超过10个字符以上的错位尖括号,修正源码里的文案或标签错误。 - 代码层增加兼容处理,从根源避免同类问题:
- 处理HTML之前,先用正则把所有
<style>...</style>、<script>...</script>块的内容提前替换为空,排除样式、脚本块里的特殊字符对标签识别的干扰 - 替换完特殊块后再调用
strip_tags(),此时得到的纯文本就会完整覆盖所有可见的正文内容
- 处理HTML之前,先用正则把所有
- 顺带修复现有代码的逻辑漏洞:
你当前的匹配判断写的是if (stripos($strippedpage,$xsearch)),这里藏着PHP经典的类型判断陷阱:如果关键词刚好出现在纯文本的起始位置,stripos()会返回整数0,而PHP中0会被判定为布尔值false,导致明明匹配到了结果却被漏判。需要把判断改成严格类型比对:if (stripos($strippedpage, $xsearch) !== false) { // 原有匹配、片段截取逻辑 }
内容的提问来源于stack exchange,提问作者Carlitos
相关产品推荐
相关产品推荐

