用PHP脚本自动把纯文本文件转换成Web页面

ZDNet软件频道　时间：2006-06-16　作者：builder.com.com | 　我要评论()
本文关键词：

我将告诉你如何使用PHP来快速将纯ASCII文本完美地转换成为可读的HTML标记。

最近，我的一个老朋友向我打电话求助。他从事记者的职业有多年了，最近获得了重新出版他的很多早期专栏的权利。他希望把他的作品贴在Web上；但是他的专栏都是以纯文本文件的形式保存的，而且他既没有时间也不想去为了把它们转换成为Web页面而学习HTML的知识。由于我是他电话本里唯一一个精通计算机的人，所以他打电话给我看我是否能够帮帮他。

“让我来处理吧，”我说：“一个小时以后再给我打电话。”当然了，当他几个小时以后打电话过来，我已经为他准备好了解决的方法。这需要用到一点点PHP，而我收获了他没完没了的感谢和一箱红酒。

那么我在这一个小时里做了些什么呢？这就是本篇文章的内容。我将告诉你如何使用PHP来快速将纯ASCII文本完美地转换成为可读的HTML标记。

首先让我们来看一个我朋友希望转换的纯文本文件的例子：

Green for Mars!
John R. Doe

The idea of little green men from Mars, long a staple of science fiction, may soon turn out to be less fantasy and more fact.

Recent samples sent by the latest Mars exploration team indicate a high presence of chlorophyll in the atmosphere. Chlorophyll, you will recall, is what makes plants green. It's quite likely, therefore, that organisms on Mars will have, through continued exposure to the green stuff, developed a greenish tinge on their outer exoskeleton.

An interview with Dr. Rushel Bunter, the head of ASDA's Mars Colonization Project blah blah...

What does this mean for you? Well, it means blah blahblah...

Track follow-ups to this story online at http://www.mars-connect.dom/. To see pictures of the latest samples, log on to http://www.asdamcp.dom/galleries/220/

相当标准的文本：它有一个标题、一个署名和很多段的文字。把这篇文档转换成为HTML真正需要做的是使用HTML的分行和分段标记把原文的布局保留在Web页面上。特殊的标点符号需要被转换成为对应的HTML符号，超链接需要变得可以点击。

下面的PHP代码（列表A）就会完成上面所有的任务：

列表A

<?php
// set source file name and path
$source = "toi200686.txt";

// read raw text as array
$raw = file($source) or die("Cannot read file");

// retrieve first and second lines (title and author)
$slug = array_shift($raw);
$byline = array_shift($raw);

// join remaining data into string
$data = join('', $raw);

// replace special characters with HTML entities
// replace line breaks with <br />
$html = nl2br(htmlspecialchars($data));

// replace multiple spaces with single spaces
$html = preg_replace('/ss+/', ' ', $html);

// replace URLs with <a href...> elements
$html = preg_replace('/s(w+://)(S+)/', ' <a href="" target="_blank"></a>', $html);

// start building output page
// add page header
$output =<<< HEADER
<html>
<head>
<style>
.slug {font-size: 15pt; font-weight: bold}
.byline { font-style: italic }
</style>
</head>
<body>
HEADER;

// add page content
$output .= "<div class='slug'>$slug</div>";
$output .= "<div class='byline'>By $byline</div><p />";
$output .= "<div>$html</div>";

// add page footer
$output .=<<< FOOTER
</body>
</html>
FOOTER;

// display in browser
echo $output;

// AND/OR

// write output to a new .html file
file_put_contents(basename($source, substr($source, strpos($source, '.'))) . ".html", $output) or die("Cannot write file");
?>

让我们来看看它是如何工作的：

第一步是把纯ASCII文件读取到一个PHP数组里。这通过file()函数很容易就可以完成，这个函数会把文件的每一行都转换成为一个用数字索引的数组中的元素。
然后，标题和作者行（我假设这两个都是文件的前两行）都通过array_shift()函数从数组里提取出来，放到单独的变量里。数组剩下的成员然后被连接成一个字符串。这个字符串现在就包括了整篇文章的正文。
文章正文里像“'”、“<”和“>”这样的特殊符号通过htmlspecialchars()函数被转换成相应的HTML符号。为了保留文章的原始格式，分行和分段通过nl2br()函数被转换成HTML的<br />元素。文章中间多个空格通过简单的字符串替换被压缩成为一个空格。
文章正文里的URL用正则表达式来检测，两边是<a href=...></a>元素。当页面在Web浏览器里显示的时候，它会把URL转换成为可点击的超链接。
然后用标准的HTML规则创建输出的HTML页面。文章的标题、作者和正文都用CSS样式规则格式化。尽管这段脚本没有这样做，但是你可以在这个地方自定义最终页面的外观，你可以向模板添加图形元素、颜色或者其他眩目的内容。
一旦HTML页面构建完成，它就可以被送到浏览器或者用file_put_contents()保存为静态文件。要注意的是，在保存的时候，原来的文件名会被分解，一个新的文件名（叫做filename.html）会为新创建的Web页面创建。你然后就可以把这个Web页面发布到Web服务器上、保存到光盘上或者对它进行进一步编辑。