日志一般需要生成摘要，手动填写太麻烦，于是使用mb_substr自动截取，问题来了。如果纯文本还基本准确，要是html代码过多，截取出来的差得太多。比如设定摘要300字，前面空格、html代码就可能占了100。怎么办呢？最好的办法是遇到html代码，跳过，不计数。这样较为准确，当然，美中不足的是，万一是 img 标签呢？什么事都不能十全十美，就这样了。

utf编码，unicode字符1 - 6个字节都有可能，但 html 代码肯定都是 1 字节，并且以 < 开始，以 > 结束，所以稍候分析一下，就出来了。但有个问题，html 标签不能成为对闭合，比如 300 个字符满了，后面还有几个 html 标签，这就造成标签不闭合，页面布局全乱了。记得 php 有个扩展库，专门检查 html 规范的，但一般主机都没装，就试着写了一下。逻辑相当复杂，自己看了都头晕，觉得有些地方多余了，但也没找到另好的办法。

在这几天的测试中，都能正确处理未闭合的 html 标签。但是如果使用 php 过滤器，就会比较麻烦，php 代码内可能会出现非常多的 < 和 >，现在的解决办法是，如果是输入格式中包含有 php 过滤器，就不处理。字符串中没有 html 标签，直接调用  mb_substr 处理，含有摘要截取标记，优先从标记处截断。

下面是代码：

<?php
/** 
* 生成摘要 
* @param (string) $body 
*  正文 
* @param (int) $size 
*  摘要长度 
* @param (int) $format 
*  输入格式 id 
*/
function blog_summary($body, $size, $format = NULL){ 
 $_size = mb_strlen($body, 'utf-8'); 
 if($_size <= $size) return $body;
 // 输入格式中有 PHP 过滤器 
 if(!isset($format) && filter_is_php($format)){ 
  return $body; 
 }
 $strlen_var = strlen($body); 
    // 不包含 html 标签 
 if(strpos($body, '<') === false){ 
  return mb_substr($body, 0, $size); 
 } 
 // 包含截断标志，优先 
 if($e = strpos($body, '<!-- break -->')){ 
  return mb_substr($body, 0, $e); 
 } 
 // html 代码标记 
 $html_tag = 0; 
 // 摘要字符串 
 $summary_string = ''; 
 /** 
 * 数组用作记录摘要范围内出现的 html 标签
 * 开始和结束分别保存在 left 和 right 键名下
 * 如字符串为：<h3><p><b>a</b></h3>，假设 p 未闭合
 * 数组则为：array('left' => array('h3', 'p', 'b'), 'right' => 'b', 'h3');
 * 仅补全 html 标签，<? <% 等其它语言标记，会产生不可预知结果
 */
 $html_array = array('left' => array(), 'right' => array());
 for($i = 0; $i < $strlen_var; ++$i) {
  if(!$size){
   break;
  }
  $current_var = substr($body, $i, 1);
  if($current_var == '<'){
   // html 代码开始
   $html_tag = 1;
   $html_array_str = '';
  }else if($html_tag == 1){
   // 一段 html 代码结束
   if($current_var == '>'){
   /**
   * 去除首尾空格，如 <br /  > < img src="" / > 等可能出现首尾空格
   */
   $html_array_str = trim($html_array_str);
   /**
   * 判断最后一个字符是否为 /，若是，则标签已闭合，不记录
   */
   if(substr($html_array_str, -1) != '/'){
    // 判断第一个字符是否 /，若是，则放在 right 单元
    $f = substr($html_array_str, 0, 1);
    if($f == '/'){
    // 去掉 /
     $html_array['right'][] = str_replace('/', '', $html_array_str);
    }else if($f != '?'){
     // 判断是否为 ?，若是，则为 PHP 代码，跳过
     /**
     * 判断是否有半角空格，若有，以空格分割，第一个单元为 html 标签
     * 如 <h2 class="a"> <p class="a">
     */
     if(strpos($html_array_str, ' ') !== false){
     // 分割成2个单元，可能有多个空格，如：<h2 class="" id="">
      $html_array['left'][] = strtolower(current(explode(' ', $html_array_str, 2)));
     }else{
      /**
      * * 若没有空格，整个字符串为 html 标签，如：<b> <p> 等
      * 统一转换为小写
      */
      $html_array['left'][] = strtolower($html_array_str);
     }
    }
   }
   // 字符串重置
   $html_array_str = '';
   $html_tag = 0;
   }else{
    /**
    * 将< >之间的字符组成一个字符串
    * 用于提取 html 标签
    */
    $html_array_str .= $current_var;
   }
  }else{
   // 非 html 代码才记数
   --$size;
  }
  $ord_var_c = ord($body{$i});
  switch (true) {
   case (($ord_var_c & 0xE0) == 0xC0):
   // 2 字节
   $summary_string .= substr($body, $i, 2);
   $i += 1;
   break;
   case (($ord_var_c & 0xF0) == 0xE0):
   // 3 字节
   $summary_string .= substr($body, $i, 3);
   $i += 2;
   break;
   case (($ord_var_c & 0xF8) == 0xF0):
   // 4 字节
   $summary_string .= substr($body, $i, 4);
   $i += 3;
   break;
   case (($ord_var_c & 0xFC) == 0xF8):
   // 5 字节
   $summary_string .= substr($body, $i, 5);
   $i += 4;
   break;
   case (($ord_var_c & 0xFE) == 0xFC):
   // 6 字节
   $summary_string .= substr($body, $i, 6);
   $i += 5;
   break;
   default:
   // 1 字节
   $summary_string .= $current_var;
  }
 }
 if($html_array['left']){
  /**
  * 比对左右 html 标签，不足则补全
  */
  /**
  * 交换 left 顺序，补充的顺序应与 html 出现的顺序相反
  * 如待补全的字符串为：<h2>abc<b>abc<p>abc
  * 补充顺序应为：</p></b></h2>
  */
  $html_array['left'] = array_reverse($html_array['left']);
  foreach($html_array['left'] as $index => $tag){
   // 判断该标签是否出现在 right 中
   $key = array_search($tag, $html_array['right']);
   if($key !== false){
    // 出现，从 right 中删除该单元
    unset($html_array['right'][$key]);
   }else{
    // 没有出现，需要补全
    $summary_string .= '</'.$tag.'>';
   }
  }
 }
 return $summary_string;
}
?>