php清除HTML格式的代码

　  在字符截取时常会因为HTML格式发生意外，ASP是，PHP也是，如果是可预见的简单HTML格式用replace就行了，对于文章正文这一类里面可能包含所有的HTML格式，想高效点还是用下面的的，已测试

$search = array ("’’si",　// 去掉 javascript
　　　　　　　　 "’]*?>’si",　　　　　 // 去掉 HTML 标记
　　　　　　　　 "’([rn])[s]+’",　　　　　　　　 // 去掉空白字符
　　　　　　　　 "’&(quot|#34);’i",　　　　　　　　 // 替换 HTML 实体
　　　　　　　　 "’&(amp|#38);’i",
　　　　　　　　 "’&(lt|#60);’i",
　　　　　　　　 "’&(gt|#62);’i",
　　　　　　　　 "’&(nbsp|#160);’i",
　　　　　　　　 "’&(iexcl|#161);’i",
　　　　　　　　 "’&(cent|#162);’i",
　　　　　　　　 "’&(pound|#163);’i",
　　　　　　　　 "’&(copy|#169);’i",
　　　　　　　　 "’(d+);’e");　　　　　　　　　　// 作为 PHP 代码运行

$replace = array ("",
　　　　　　　　　"",
　　　　　　　　　"\1",
　　　　　　　　　"\"",
　　　　　　　　　"&",
　　　　　　　　　"　　　　　　　　　">",
　　　　　　　　　" ",
　　　　　　　　　chr(161),
　　　　　　　　　chr(162),
　　　　　　　　　chr(163),
　　　　　　　　　chr(169),
　　　　　　　　　"chr(\1)");
//$document为需要处理字符串，如果来源为文件可以$document = file_get_contents($filename);
//$text = preg_replace($search, $replace, $document);