PHP压缩HTML-使用正则安全的压缩

分析HTML代码

html一般包括以下的部分：

标签，以包裹

文档声明、注释等格式

半开标签<....>

闭合标签

立即学习“PHP免费学习笔记（深入）”；

内容，非以包裹，这一部分内容中多空格是无效果的

PHP正则分解html代码

html代码是以标签为界限的，所以，只要按标签分解就可以了。在PHP中使用preg_split:

$segments = preg_split("/(<[^>]+?>)/si",$html, null,PREG_SPLIT_NO_EMPTY| PREG_SPLIT_DELIM_CAPTURE);

例如，以下的代码

Orz企业网站管理系统 双语版

Orz企业网站管理系统整合了企业网站所需要的大部分功能，并在其基础上做了双语美化。压缩包内有必须的图片psd源文件，方便大家修改。 Orz企业网站管理系统功能： 1.动态首页 2.中英文双语同后台管理 3.产品具有询价功能 4.留言板功能 5.动态营销网络 6.打印功能 7.双击自动滚动 Orz企业网站管理系统安装 1、请将官方程序包解压后上传至您的虚拟主机即可正常使用； 2、后台管理面板登录：

下载

$html = <<


    
    
    



    文章RSS
    网站地图
    日期归档
    标签归档
    
狼魂博客
    
关注WEB，体悟生活；珍惜生命，远离代码。
    




HTML;
print_r(preg_split("/(<[^>]+?>)/si",$html, -1,PREG_SPLIT_NO_EMPTY| PREG_SPLIT_DELIM_CAPTURE));

会产生如下的输出：

Array
(
    [0] => 
    [1] => 
    [2] => 
    [3] => 
    [4] => 
    [5] => 
    [6] => 
    [9] => 
    [10] => 
    [11] => 
    [12] => 
    [13] => 
    [14] => 
    [15] =>
    [16] => 
    [17] => 
    [18] => 

    [19] => 
    [20] => 
    [21] => 文章RSS
    [22] => 
    [23] => 
    [24] => 
    [25] => 网站地图
    [26] => 
    [27] => 
    [28] => 
    [29] => 日期归档
    [30] => 
    [31] => 
    [32] => 
    [33] => 标签归档
    [34] => 
    [35] => 
    [36] => 

    [37] => 
    [38] => 狼魂博客
    [39] => 
    [40] => 
    [41] => 
    [42] => 

    [43] => 关注WEB，体悟生活；珍惜生命，远离代码。
    [44] => 
    [45] => 
    [46] => 

    [47] => 
    [48] => 
    [49] => 
    [50] => 
    [51] => 
    [52] => 
    [53] => 
)

最简单但有损的PHP压缩

最简单的压缩就是直接连接所有的非空项，同时非标签去掉所有的空白：

$compressed = array();
foreach($segments as $seg)
{
    $seg = trim($seg);
    if($seg)
    {
        //非标签中的空白是无效的字符
        $compressed[] = $seg[0] === '<' ? $seg : preg_replace('!\s!','',$seg);
    }
}
return join('',$compress);

如以上的HTML通过这样的压缩生成的代码是（为了方便显示，我手动将它们断行了）：

文章RSS
网站地图
日期归档
标签归档

狼魂博客
关注WEB，体悟生活；珍惜生命，远离代码。

正常情况下这没错，但是也有“不正常”的情况：遇到不能去掉空白的内容时。比如script、code、pre、style是不可以去掉空白的，这时，就要使用栈进行压缩了:

使用栈进行安全压缩html

使用栈的规则是：<..>标签入栈，标签出栈，和<..>不理，但有一种可能的情况是，<..>不一定有结尾的反斜杠如：

都是可以的，这时就要特殊的处理这种情况：

    文章RSS
    网站地图
    日期归档
    标签归档
    
狼魂博客
    
关注WEB，体悟生活；珍惜生命，远离代码。
    


    var say = "Hello world!";
    print say;