QQMhtSpliter.php

<?php
$s = microtime(1);
$m = memory_get_usage();
$opt = getopt("s:");
if(isset($opt['s']) && intval($opt['s'])) {
	$per_size = intval($opt['s']);
} else {
	$per_size = 40; //单位M
}
$html_end_tag = '</table></body></html>';
$chat_file = get_mht_file();
$file_name_prefix = str_replace('.mht', '', $chat_file) . '_';
$html_end = FALSE;
$txt_arr = [];
$image_arr = [];
$sep = '';
$image_type = [];
$dat_arr = [];
$base_dir = './convert/';
if(!is_dir($base_dir . 'images/')) {
	mkdir($base_dir . 'images/', 0777, TRUE);
}
$img_name = '';
$img_encode = FALSE;
$img_type = '';
foreach(read_file($chat_file) as $key=>$line) {
	if($sep == '' && strpos($line, 'boundary="----=_NextPart') !== FALSE) {
		$sep = str_ireplace(['boundary=', '"'], '', trim($line));
		continue;
	}
	if(!$html_end && strpos($line, '</html>') !== FALSE) {
		$html_end = TRUE;
		continue;
	}
	if($html_end) {
		if($img_type =='' && strpos($line, 'Content-Type') !== FALSE) {
			$img_type = get_img_type($line);
			continue;
		}
		if(!$img_encode && strpos($line, 'Content-Transfer-Encoding') !== FALSE) {
			$img_encode = TRUE;
			continue;
		}
		if($img_name == '' && strpos($line, 'Content-Location') !== FALSE) {
			preg_match("/(\{[^\}]+\}\.dat)/i", $line, $matches);
			$img_name = str_replace('.dat', '', $matches[1]);
			continue;
		}
		if(strpos($line, $sep) !== FALSE) {
			if(isset($n) && !empty($image_arr[$n])) {
				$base64 = implode('', $image_arr[$n]);
				$image_size[$img_name] = round(strlen($base64) / 1024, 2); //每张图片大小 单位kb
				$image_type[$img_name] = $img_type;
				base64toimage($base64, $img_name, $img_type);
				$img_name = '';
				$img_encode = FALSE;
				$img_type = '';
				unset($image_arr[$n]); //及时释放内存
			}
			$n = $key;
		} else {
			$image_arr[$n][] = $line;
		}
	} else {
		if($key < 12) continue;
		$txt_arr[] = $line;
	}
}
//$txt_arr第一个元素包含头部信息
preg_match('/\d{4}-\d{2}-\d{2}<\/td><\/tr>/', $txt_arr[0], $b);
$len = strpos($txt_arr[0], $b[0]) + strlen($b[0]);
//头文件1
$html_header = substr($txt_arr[0], 0, $len) . PHP_EOL;
//头文件2
$html_header_other = str_replace('height:24px;line-height:24px;padding-left:10px;margin-bottom:5px;', 'padding-left:10px;', $html_header);
$html_header_other = str_replace('<tr><td><div style=padding-left:10px;>&nbsp;</div></td></tr>', '', $html_header_other);
$html_header_other = preg_replace('/日期: \d{4}-\d{2}-\d{2}/', '&nbsp;', $html_header_other);
$txt_arr[0] = substr($txt_arr[0], $len, strlen($txt_arr[0]));
$qq_text = implode('', $txt_arr);
unset($txt_arr);
if(filesize($chat_file) / 1024 / 1024 < $per_size) {
	$convert_name = str_replace('.mht', '', $chat_file);
	$qq_text = src($qq_text);
	$qq_text = $html_header . $qq_text . $html_end_tag;
	file_put_contents($base_dir . $convert_name . '.html', $qq_text);
} else {
	$qq_text_arr = explode(PHP_EOL, $qq_text);
	$image_size_sum = 0; //计算图片总大小
	$lines = []; //分隔完的文件 最后一条记录在$qq_text_arr中的所在行数
	foreach($qq_text_arr as $l => $val) {
		//根据图片大小总和按照per大小 生成若干小文件
		if(strpos($val, 'src="{') !== FALSE) {
			preg_match_all('/src="(\{[^\}]+\})/i', $val, $matches);
			foreach($matches[1] as $v) {
				if(isset($image_size[$v])) {
					$image_size_sum += $image_size[$v];
				}
			}
			if($image_size_sum > $per_size * 1024) {
				$lines[] = $l; //记录每个文件最后一行记录的行号
				$image_size_sum = 0;
			}
		}
	}
	//遍历分隔的文件，生成html文件
	foreach($lines as $key => $line) {
		$html = '';
		$convert_name = $file_name_prefix . ($key + 1); //文件名从1开始命名
		//第一个小文件（头部和其他分割的头部有一些区别）
		if($key == 0) {
			for($i = 0; $i <= $line; $i++) {
				$html .= $qq_text_arr[$i] . PHP_EOL;
			}
			$html = src($html);
			$new_content = $html_header . $html . $html_end_tag . PHP_EOL;
			//其余小文件
		} else {
			for($i = $lines[$key - 1] + 1; $i <= $line; $i++) { //$lines[$key - 1]为上一个文件的最后一条所在行数，+1为当前文件第一条所在行数。 循环该文件第一条到最后一条记录
				$html .= $qq_text_arr[$i] . PHP_EOL;
			}
			$html = src($html);
			$new_content = $html_header_other . $html . $html_end_tag . PHP_EOL;
		}
		file_put_contents($base_dir . $convert_name . '.html', $new_content);
	}
	//最后一个小文件（存在分割到最后，不够per * 1024的大小，总行数和分割之后最后一个文件的最后一条记录的行数对比）
	if($line != count($qq_text_arr)) {
		$html = '';
		$convert_name = $file_name_prefix . ($key + 2); //这里的key 延用上面的key
		for($i = $lines[$key] + 1; $i <= count($qq_text_arr) - 1; $i++) { //$lines[$key]为最后一个分割的文件最后一条所在行数，+1为当前文件第一条所在行数。 循环该文件第一条到最后一条记录
			$html .= $qq_text_arr[$i] . PHP_EOL;
		}
		$html = src($html);
		$new_content = $html_header_other . $html . $html_end_tag . PHP_EOL;
		file_put_contents($base_dir . $convert_name . '.html', $new_content);
	}
}
//有些不存在的图片可能在多个分割文件都有出现，这里只显示1条
if($pics_lost) {
	echo PHP_EOL . "不存在的图片：" . PHP_EOL;
	foreach($pics_lost as $dir=>$dat) {
		foreach($dat as $k=>$val) {
			echo $val . ' => ' . $k . PHP_EOL; //去重。 给出提示，在哪个分割的文件内（根据提示，可以手动去pc端或者手机端 定位到不显示的图片或表情，然后将其保存到images文件夹下，文件名用$val+'.gif'命名，包含'{','}'）
		}
	}
}
echo PHP_EOL . 'mht文件转换完成，总耗时:' . round(microtime(1) - $s, 3) . "s";
$unit = ['b', 'kb', 'mb', 'gb'];
$size = memory_get_usage() - $m;
$peak = memory_get_peak_usage();
echo PHP_EOL . '占用内存 '.round($size / pow(1024, ($i = floor(log($size, 1024)))), 2).' '.$unit[$i];
echo PHP_EOL . '内存峰值 '.round($peak / pow(1024, ($i = floor(log($peak, 1024)))), 2).' '.$unit[$i]. PHP_EOL;


function get_mht_file() {
	$files = [];
	foreach(glob('./*') as $file) {
		if(strpos($file, '.mht') !== FALSE)
			$files[] = $file;
	}
	return str_replace('./', '', current($files));
}

function src($html) {
	return preg_replace_callback('/src="(\{[^"]+)"/i', function($m) {
		global $base_dir, $convert_name, $image_type, $pics_lost;
		$s = str_replace('.dat', '', $m[1]);
		if(isset($image_type[$s])) {
			return 'src="./images/' . $s . $image_type[$s] . '"';
		} else { //不存在的图片转成gif
			if(!isset($pics_lost[$base_dir][$s]))
				$pics_lost[$base_dir][$s] = str_replace('./\\', '', $base_dir . $convert_name) . '.html';
			return 'src="./images/' . $s . '.gif"';
		}
	}, $html);
}

function base64toimage($base64, $k, $img_type) {
	global $base_dir;
	file_put_contents($base_dir . 'images/' . $k . $img_type, base64_decode($base64));
}

function read_file($chat_file) {
	$handle = fopen($chat_file, 'rb');
	while($line = stream_get_line($handle, 8192, "\n")) { // PHP_EOL可能会报错
		yield $line.PHP_EOL;
	}
	fclose($handle);
}

function get_img_type($image_type) {
	if(strpos($image_type, 'gif') !== FALSE) {
		$ext = '.gif';
	}
	if(strpos($image_type, 'png') !== FALSE) {
		$ext = '.png';
	}
	if(strpos($image_type, 'jpeg') !== FALSE || strpos($image_type, 'jpg') !== FALSE) {
		$ext = '.jpg';
	}
	return $ext;
}