在截取字符串时，如果该串中含 HTML 代码，往往会把 HTML 截断，比如：
$string = "aaaaaaaaaa<br />bbbbbbbbbb<br />cccccccccc<br />dddddddddd<br />eeeeeeeeee";
截取 29 个字符：
$len = 29;
echo substr($string,0,$len);
将会得到： aaaaaaaaaa<br />bbbbbbbbbb<br

用以下方法，可以避免从 HTML 代码处截断，而且长度的计算，不算上代码的长度，更比较切合实际：

<?

$len = 29;
$string = "aaaaaaaaaa<br />bbbbbbbbbb<br />cccccccccc<br />dddddddddd<br />eeeeeeeeee";

echo substr($string,0,$len); 
// Result: aaaaaaaaaa<br />bbbbbbbbbb<br 
echo "\n"; 

echo cut_without_tags($string,$len); 
// Result: aaaaaaaaaa<br />bbbbbbbbbb<br />ccccccccc

/** Function Start,faisun@sina.com **/
function cut_without_tags($string,$len){
    /*
    Split $string to array:
    "aaaaaaaaaa","<br />","bbbbbbbbbb","<br />","cccccccccc","<br />","dddddddddd","<br />","eeeeeeeeee"
    */
    $spchar = chr(1).chr(2).chr(4); // A special String
    $s = str_replace("<","$spchar<",$string);
    $s = str_replace(">",">$spchar",$s);
    $str_array = split("$spchar",$s);

    $new_str = "";
    $new_str_len = 0;
    $temp_lem = 0;


    foreach($str_array as $s){

        $tag = strrchr($s,'<')?true:false; // Is a HTML tag?

        if(!$tag) $temp_lem += strlen($s); // valid length,if NOT a HTML tag

        if( $temp_lem < $len ){
            $new_str .= $s;
            $new_str_len = $temp_lem;
        }else if($new_str_len==$len || $tag){
            $new_str .= $s;
            $new_str_len = $temp_lem;
            break;
        }else{
            $new_str .= substr($s,0,$len-$new_str_len); //Cut, if too long and NOT a HTML tag
            break;
        }
    }
    return $new_str;
}


?>

中文的截取，在字符串的长度计算和截取方面有所不同，需要换成相应的函数。
用这种方法截取后，可能会出现不闭合的标签，还要把这些标签进行后期闭合处理。

对于静态的 html 文件，在 apache 可加载 mod_deflate.so 模块，把内容压缩后输出，可节约大量的传输带宽。

mod_deflate.so 的用法可在网上找，大部分的文章都是正确的。

像本站（纯粹空间 http://www.softpure.com/），静态的 html 是由 PHP 生成并保存于 /html/ 目录下。生成及用户访问的流程如下：
（流程1）
生成： PHP处理生成代码 > 保存为HTML；
访问： Apache 读取HTML文件 > 压缩 >  输出文件头+文件内容；
客户端： 解压 > 处理

如此一来，用户的每次访问， Apache 都要压缩一次，浪费了大量的资源。

我就想到预压缩 HTML 文件内容，提高 apache 效率，流程改为：
（流程2）
生成： PHP处理生成代码 > 压缩 >  保存为预压缩HTML；
访问： Apache 读取HTML文件  > 输出文件头+文件内容；
客户端： 解压 > 处理

这样用户访问时不用压缩一次，直接发送已压缩的内容，不但效率高，占用资源少，而且减少保存 HTML 的占用空间。
然而，有小部分浏览器/Spider是不支持解压的。对于这类的浏览器，流程1中 Apache 可判断并不压缩内容；但在流程2中，内容已预压缩，只能解压后再发送。

在网上查找资料，看这篇文件，似乎是官方的：
http://mail-archives.apache.org/mod_mbox/httpd-bugs/200409.mbox/%3C20040909145350.20659.qmail@nagoya.betaversion.org%3E

文章说 mod_deflate 是有解压输出的功能的，用
 LoadModule deflate_module modules/mod_deflate.so 
SetOutputFilter INFLATE
即可解压。并说设置环境变量 force-gunzip=1 即可不管文件类型和Header内容，强制解压， 设置 no-gunzip=1 即可不解压。

在 Apache 2.0.59 和 Apache 2.2.4 下，我试了半天，无论怎么配置，一概不解压

一气之下，下载 Apache 源文件，细细研究。

结果发现：
1）  在 Apache 2.0.59 中，mod_deflate 只有输出压缩和输入解压功能，并没有输出解压功能。
2） 在 Apache 2.2.4 中，mod_deflate 增加了输出解压功能，但它并不读取环境变量 force-gunzip 和 no-gunzip 。
解压的条件是：输入到 Apache 的 Header 中，包含文件头 Content-Encoding: gzip 。
解压后该模块会删除 Content-Encoding 的文件头。

我用 php 先 header('Content-Encoding: gzip '); 发送文件头，然后读取预压缩的HTML文件并输出，果然可以解压。
然而，在 httpd.conf 中设置 Header Append  Content-Encoding gzip ，却是不行的。

静态文件是不可能向  apache 发送文件头的，所以用 mod_deflate 的解压方式在这里行不通。
解决的办法，只能自己修改 mod_deflate 模块的源码，然后重新编译。或者，等 Apache 出新版。 Apache 的最新几个版本都陆续对 mod_deflate 有修改。

不过目前我在 Windows 下编译 Apache 还没有测试成功，只能继续查找资料了，有经验的朋友可以和我交流阿。
Email: faisun@sina.com

现在本站的解决方法是： 
如果浏览器支持 gzip ，则发送 Content-Encoding: gzip 文件头，并把预压缩 HTML 内容输出。
若不支持， 则用 Rewrite 的方式，转为 php 解压该HTML 文件。
1） PHP压缩保存： php 压缩时，应采用 gzencode() 函数压缩，客户端才能解码。
2） Apache 的 httpd.conf 设置：

#该虚拟主机 DocumentRoot D:/wwwroot/softpure.com
#对 D:/wwwroot/softpure.com/html 这个目录的规则(Rewrite 一般是相对目录编辑规则)
<Directory D:/wwwroot/softpure.com/html>
  RewriteEngine On
  # 非 IE 浏览器,并且
  RewriteCond %{HTTP_USER_AGENT} !\bMSIE
  # 空的 HTTP_USER_AGENT,或
  RewriteCond %{HTTP_USER_AGENT} ="" [OR]
  #不支持gzip 的浏览器
  RewriteCond %{HTTP_USER_AGENT} Mozilla/4\.0[678]
  #把 .html/.htm 文件，重写为 /htm/... ，使用伪静态，用 htm.php 读取>解压内容后输出。
  RewriteRule (.+\.html?) /htm/$1 [L,NS]

  #如果没有重写，则下条指令生效：发送 Content-Encoding: gzip 的 Header
  Header append Content-Encoding "gzip"
</Directory>

    相关链接： 纯粹手写板测试专帖

    本以为纯粹手写板的代码压缩到了 V1.22 版，几乎没什么压缩的空间了。今天却忽然又来了灵感，采用 10*52 的记数方法，进一步提高了1/3以上的压缩率。

    纯粹手写板的代码压缩大概经历了这几个历程：
    V 1.0 把原代码转化为按各属性值排列；可使存储的代码减为原代码的 1/2 以上。
    V 1.1 把线条的直线中间点去掉；可使存储的代码再减少 1/2 以上。
    V 1.2 采用 62*62 的记数方法，可使存储的代码再减少 1/3 左右。
    V 1.3 采用 10*52 的记数方法，可使存储的代码再减少 1/2 - 1/3。

    什么是 V 1.2 版的 62*62 的记数方法呢？原码中，线条的坐标代码是这种格式的：x1,y1,x2,y2,x3,y3.....,xn,yn。因为手写板编辑框为 400px*200px ，所以坐标数字都是 0 到 400 之间的。62*62 记数方法为：把 x1...xn,y1...yn 这些数字用 0-9a-zA-Z 共 62 个符号表示，也就是 62 进制了。不足2位的，在前面补0。由于所有的数字都用2个符号表示了，所以数字之间的逗号可以去掉。这样的表示方式，可以比原来的代码少 1/2 左右。

    而 10*52 的记数方式，比 62*62 的表示代码还要少。这个方式能表示的最大数字，不能超过 520，用在手写板中还是可以的（而用 26*36 的记数方式的话，可以表示不超过936 的数）。原理是用0-9表示高位，用a-zA-Z共52个符号表示低位。你现在也许会说，一样是用两个符号表示一个数字啊，怎么会比 62*62的方法更少呢？它们的区别在于，一个数和上一个数的高位相同的时候，此数的高位不写。也就是说，打个比方，8A8B8z 只表示为 8ABz 。因为手写板中的代码，每个x或y之间的跳跃不会很频繁地很大，所以压缩的比较多。根据比较的结果，这种方式比 62*62 的方式可以少 1/2-1/3 的存储代码。

    因为算法的更新，V1.3 不可能兼容 V1.2 原来的代码了，直接从 V1.2 更新到 V1.3 的话，以前存储的数据将不能解释，所以更新手写板后，是需要更新数据库中的数据的。

    Discuz! 更新到 5.0 后，由于编辑器和以前的版本大不一样，安装手写板插件会比以前复杂一些，我会尽快把安装说明整理出来。

用 iconv('GB2312','UTF-8',$string) 转换编码时，如果 $string 中含有不能转换的字符（如繁体字），则会转换失败，返回 False。

iconv( 'GB2312', 'UTF-8//IGNORE' , $string) 可以忽略失败。

我曾发过一篇 《高效的固定长度字符串的截取函数》 ，可是这个方法只适用于 GB2312 的编码。因为在 GB2312 下，汉字占两个字符，在页面中刚好也是占两倍的地方显示。

可是在 UTF-8 编码中，汉字却是占2-3个字符。这个不确定性给截取造成了挺大的麻烦。目前我用的方法只能是循环：

<?
function toFixLen($str, $len) { // 固定长度字符串的截取,UTF-8
    $str=trim($str); 

    $pa = "/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|\xe0[\xa0-\xbf][\x80-\xbf]|[\xe1-\xef][\x80-\xbf][\x80-\xbf]|\xf0[\x90-\xbf][\x80-\xbf][\x80-\xbf]|[\xf1-\xf7][\x80-\xbf][\x80-\xbf][\x80-\xbf]/";
    preg_match_all($pa, $str, $t_string);

    $lt = count($t_string[0]);
    $str = '';
    $l = 0 ;
    foreach($t_string[0] as $k=>$s){
        $l += (strlen($s)==1?1:2);
        if($l>=$len-3 && $k!=$lt){
            $str .= '...';
            break;
        }else{
            $str .= $s;
        }
    }
    return $str;
}

?>

现需对表 table 中 status=0  的列进行处理。 run.php 中程序如下：

 <?
    include("global.php");
    $query=$db->query("select * from table where status=0 limit 20");
    while($result=$db->fetch_array($query)){
        $db->query("update table set status=1 where id=$result[id]");
        // 处理 $result,这个过程需要费时约 1 秒
        // 所以,下面采用 sleep() 代替
        sleep(1);
    }
?>

run.php 由 ajax 不断刷新，直到把全部的数据处理完为止。

为了加快速度，我开了两个 ajax 的窗口。运行前有 1000 条符合条件的数据需要处理。理论上，两个窗口一共刷新 50 次，就可以全部处理完。

然而，两个窗口一共刷新的次数远不止 50 次，数据处理的次数也远不止 1000 条。
也就是说，很多数据被重复处理了。

为什么会这样呢。处理数据前，我不是把 status 先改为 1 了吗？

于是我把 table 复制为 table1 ，并把 status=0 的数据删到只剩 10 条。
编写以下程序：

<?
    include("global.php");
    $query=$db->query("select * from table1 where status=0");
    while($result=$db->fetch_array($query)){
        $db->query("update table set status=1");
        print_r($result);
    }
?>

程序中，取出第一条数据的时候，就已经把 所有的 status 改为 1 了。 print_r() 的结果，还是 10 条数据。也是就说，数据在 mysql_query() 的时候，就已经定下来了。即使后来数据有所更改，但并不影响本次查询的结果。

所以在第一个程序中，由于处理过程较久，开两个或以上处理的窗口时，MySQL 返回的结果很多是一样的，造成了数据的重复处理。

解决的方法是，采用两次循环，把数据库更新和费时较久的后期数据处理分开，减少数据库的读写时差：

<?
    include("global.php");
    $query=$db->query("select * from table where status=0 limit 20");
    $where = '0';
    $result_arr = array();
    while($result=$db->fetch_array($query)){
        $result_arr[] = $result;
        $where .= " or id=$result[id]";
    }
    if($where) $db->query("update table set status=1 where $where");

    foreach($result_arr as $result){
        // 处理 $result,这个过程需要费时约 1 秒
        // 所以,下面采用 sleep() 代替
        sleep(1);
    }
?>