在我们公司建站系统中，前台文章详情模块，有个功能是文章详情内容自动按照字数做分页（比如：每1000字做分页），对于某些长文章来说可以提高加载速度。

由于文章详情内容是用富文本内容，包含html代码，所以不能直接做文字切分，需要对html进行解析后处理，比较复杂，这块我们以前的实现是使用正则自己去解析文字然后做分页，一旦出现表格，段落，div等组合标签就可能导致文章结构错乱，所以在以前的实现里，我们只好一刀切，判断如果有部分html标签的文章，就不进行分页，就导致这个功能时灵时不灵，形同虚设。

这一次我决定重新实现这个功能，首先，我决定不自己解析html代码，而使用第三方html解析类库，于是我在网上找到了simplehtmldom这个类库

这个类库可以将html文本转换成DOM Node树，所有的文本都在Text Node里，只需要计算Text Node中文字的数量，可以避免把标签文字计算为内容文字数量，于是整个流程简化为如下四步：

1. 遍历整个DOM数，遇到Text Node就计算字数，并判断该Node所在的页数。

2. 如果这个Node在需要显示的页面内，保留这个Node以及他所有的父节点，反之删除节点，

3. 在遍历结束后可以获取文章详情的总页数

4. 将保留下的DOM树元素重新转成html代码并显示

下面是文章分页器 php代码 ：

​
    count_text_num=0;        $this->dom_cur_page=1;        $thedom=str_get_html($mybody);        $root=$thedom->root;        $this->parseDomTree($root);        return $thedom->root->innertext();    }    public function getTotalPage(){        return $this->dom_cur_page;    }    private function parseDomTree($dom,$isinsepcialel=false){        if(empty($dom->nodes)) return;        if(!$isinsepcialel && $this->count_text_num>=$this->count_per_page){                  $this->dom_cur_page+=1;                  $this->count_text_num=0;        }        $domtag=strtolower($dom->tag);        if($domtag=='table' || $domtag=='ul' || $domtag=='ol'){            $isinsepcialel=true;        }        foreach($dom->nodes as $child){           if($this->dom_cur_page!=$this->show_page) $child->is_del=1;          if($child->tag=='text'){              $outertext=$child->outertext(false);              $txtlen=mb_strlen($outertext,'UTF-8');              $this->count_text_num+=$txtlen;              if(!$isinsepcialel && $this->count_text_num>=$this->count_per_page){                  $this->dom_cur_page+=1;                  $this->count_text_num=0;              }          }           $this->parseDomTree($child,$isinsepcialel);        }        if($dom->is_del==1){            foreach($dom->nodes as $child){                 if(!$child->is_del){                    $dom->is_del=0;                    break;                }            }        }    }}​

使用代码示例：

    aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaabbbbbbbbbbbbbbbb
    
     aaaaaaaaaaaaaavvvvvvvvvvvvvvvvvv
    
EOD;$articlespliter=new ArticleSpliter();$articlespliter->count_per_page=10;$articlespliter->show_page=6;$splitbody=$articlespliter->split($body);$totalpage=$articlespliter->getTotalPage();

项目的github地址：

所有代码我都打包到zip包里，有需要的可以下载获取

经过了这番修改后，我们的分页逻辑变得非常的清晰，代码量减少了很多，分页效果也好了很多，线上运行了一段时间，也没有再出现格式错乱的问题了。