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 ("’<script[^>]*?>.*?</script>’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);