解析php利用正则表达式解决采集内容排版的问题

",
   "/.*/i" => '',
   "/ /i" => ' ',//空格替换掉
   "/[ |x{3000}|rn]*/ui" => '

    ',//替换半角、全角空格，换行符，用 排除写入数据库时产生的编码问题

 );
 $config = array(
         //'indent' => TRUE, //是否缩进 
                'output-html' => TRUE,//是否是输出xhtml 
                'show-body-only'=>TRUE,//是否只获得到body 
               'wrap' => 0
    );
 $content = tidy_repair_string($content, $config, 'utf8');//先利用php自带的tidy类库修复html标签，不然替换的时候容易出现各种诡异的情况
 $content = trim($content);
 foreach ( $replaces as $k => $v ) {
  $content = preg_replace ( $k, $v, $content );
 }

 if(strpos($content,'

')>6)//部分内容开头可能缺失

标签
  $content = '

    '.$content;

 $content = tidy_repair_string($content, $config, 'utf8');//再修复一次，可以去除html空标签
 $content = trim($content);
 return $content;
}