andriesss

<?php

// @author Andries Seutens <andries@sanmax.be>

$html = file_get_contents('http://www.netlash.com');
echo '<pre>'; echo htmlToText($html); echo '</pre>';

function htmlToText($html)
{
        // normalize newlines (windows vs unix)
        $html = str_replace("%\r%", "\n", $html);
        $html = preg_replace("%\n\n+%", "\n", $html);

        // remove javascript
        $html = preg_replace('%<script[^>]*>.*?</script>%s', '', $html);

        // strip html tags, except for the ones we want to format
        $html = strip_tags($html, '<img><p><li><ul><ol><h1><h2><h3>');

        // replace pictures with their alt tags
        $html = preg_replace('%\<img[^>]*alt="(.*)".*/\>%isU', '$1', $html);

        $patterns = array(
                // match list items
                '%<li[^>]*>(.*?)</li>%sme',

                // match multiple empty lines & spaces
                '%\s{3,}%',

                // match heading tags
                '%<h[1-9][^>]*>(.*?)</h[1-9]>%sme',

                // match lists
                '%<(?:u|o)l[^>]*>(.*?)</(?:u|o)l>%sme',

                // match paragraphs
                '%<p[^>]*>(.*?)</p>%sme',
        );

        $replace = array(
                // properly format list items
                "'\n- '. preg_replace('%\s{2,}%', ' ', '\\1')",

                // replaces multiply empty lines with a single line
                "\n",

                // properly format heading tags
                "'\n'.preg_replace('%\s{2,}%', ' ', '\\1')",

                // properly format lists
                "preg_replace('%\s{2,}%', ' ', '\\1').'\n'",

                // properly format paragraphs
                "preg_replace('%\s{2,}%', ' ', '\\1').'\n'",
        );

        $html = preg_replace($patterns, $replace, $html);
        $html = strip_tags($html); // strip any leftover tags

        return trim(html_entity_decode($html));
}