Корректное урезание строк по словам в PHP

Все гениальное не просто, а очень просто! Константин придумал способ как корректно обрезать текст по словам причем без использвания строковых функций.

Проблема собственно в том, что юникодовский текст занимает больше байт, чем количество символов. Поэтому обычный substr и т.п. могут обрезать текст по служебному байту, что приводит к отображению браузером знака вопроса в конце текста. Все это не очень красиво.

До недавнего времени я вынужден был вообще пойти на крайнее извращение и перед использованием str_функций преобразовывал текст в windows-1251, выполнял нужные операции, а потом кодировал обратно в utf-8.

Константин сделал совсем просто: строка разбивается в массив (которые уже корректно работают с utf-8), массив обрезается, а потом объединяется в строку. Все элементарно.

Вот немного модифицированная функция для таких случаев:

function maxsite_str_word($text, $counttext = 10, $sep = ' ') {
	$words = split($sep, $text);

	if ( count($words) > $counttext )
		$text = join($sep, array_slice($words, 0, $counttext));

	return $text;
}

То есть в ней можно указать сам текст, количество слов и разделитель (это для универсальности).

Постоянная ссылка: http://maxsite.org/?p=325
Версия для печати

18 комментариев к “Корректное урезание строк по словам в PHP”

1. Бресь Сергей: 13 декабря 2007 в 15:58 http://php.net/mb_substr http://php.net/manual/en/ref.mbstring.php ?

2. Dimox: 13 декабря 2007 в 15:58 Жаль, что я в этом нифига не понимаю

3. Бомж без колес: 13 декабря 2007 в 16:07 Ну правильно, разбиваем по пробелам, потом соединяем... У мну тоже где-то подобная функция через регулярку валялась... можно еще поверить знак препинания в конце: если запятая, двоеточие и т.п. - отрезать, ибо неэстетично, но это уже так, изыски...

4. Максим: 13 декабря 2007 в 17:27 Тут главное не в том, чтобы разбить по пробелу, а в том, что стандартные str_ некорректно работают с юникодовскими строками. Поэтому нужно либо локаль подключать, либо mbstrings пользоваться. Но не всегда mb включены на серверах, поэтому нужно всегда проверять наличие этих функций перед использованием. При использовании же массива все очень просто, быстро и без проблем с совместимостью.

5. CTapbIu: 13 декабря 2007 в 21:51 как вариант: if (preg_match('/([^ \n\r]+[ \n\r]+){1,10}/s', $text, $match)) $substr = $match[0];

6. generator2003: 14 декабря 2007 в 00:07 Проблема собственно в том, что юникодовский текст занимает больше байт, чем количество символов. Поэтому обычный substr и т.п. могут обрезать текст по служебному байту, что приводит к отображению браузером знака вопроса в конце текста. Все это не очень красиво. А можно пример в коде ??? а то на словах не совсем понятно

7. Maksus: 14 декабря 2007 в 00:32 Dimox, чем-то мы с тобой похожи

8. Максим: 14 декабря 2007 в 00:33 Вот такой код может неверно обрезать текст: $TEXT = substr($TEXT, 0, $counttext );

9. Охотник на зелёных: 14 декабря 2007 в 15:52 Уже давным давно, когда я только переделывал виджеты, я переделал виджет и "последние комментарии". Мне ещё тогда в дефолтном бесило, что делиться всё по символам, а не по словам. И я переделал виджет. Но у меня почему то и со split-ом была проблема, добавлялось в конце всегда ? (символ пробела видимо не в той кодировке). Вот выдержки из обновлённого виджета latest comments который работает по такому же принципу, что и описывается: $arr = explode(" ", $comment_content); $count_arr = count($arr); $comment_content =""; if ($max_chars > $count_arr) $max_chars2 = $count_arr; else $max_chars2 = $max_chars; for ($i = 0; $i

10. Охотник на зелёных: 14 декабря 2007 в 15:54 забыл про эти символы $arr = explode(" ", $comment_content); $count_arr = count($arr); $comment_content =""; if ($max_chars > $count_arr) $max_chars2 = $count_arr; else $max_chars2 = $max_chars; for ($i = 0; $i<$max_chars2; $i++) { $comment_content .= $arr[$i]." "; } if ($max_chars2 != $count_arr) $comment_content .= "...";

11. Yantar: 14 декабря 2007 в 16:19 то есть, explode вместо split тоже может сработать некорректно?

12. Max: 14 декабря 2007 в 19:09 А почему бы не взять готовую функцию из Drupal? там вообще много всего хорошего уже сделано :Р function truncate_utf8($string, $len, $wordsafe = FALSE, $dots = FALSE) { $slen = strlen($string); if ($slen <= $len) { return $string; } if ($wordsafe) { $end = $len; while (($string[--$len] != ' ') && ($len > 0)) {}; if ($len == 0) { $len = $end; } } if ((ord($string[$len]) < 0x80) || (ord($string[$len]) >= 0xC0)) { return substr($string, 0, $len) . ($dots ? ' ...' : ''); } while (--$len >= 0 && ord($string[$len]) >= 0x80 && ord($string[$len]) < 0xC0) {}; return substr($string, 0, $len) . ($dots ? ' ...' : ''); }

13. cross: 14 декабря 2007 в 22:24 Идея со сплитом не очень быстродейственная. А ведь есть еще и разные разделительные знаки...

14. CTapbIu: 15 декабря 2007 в 10:05 а чем же вам не нравятся регэкспы?

15. Максим: 15 декабря 2007 в 12:43 2CTapbIu: Вариант с preg_match, тоже хорош.

16. Алексей: 17 декабря 2007 в 14:11 Действительно, а чем не устраивают мультибайтовые строковые функции? (как сказано в первом коменте) http://php.net/manual/en/ref.mbstring.php Урезание по словам - это не то, что требуется в большинсте случаев, так как фраза из N слов может быть очень разной по длине. Но если стоит задача именно разбиения по словам, то я бы использовал explode, implode.

17. murich: 17 декабря 2007 в 20:00 я бы чесно говоря если надо было бы сразу через массив делал

18. Zmei: 10 января 2008 в 12:10 Спасибо за статью. Предлогаю модификацию функции где текст урезается не только по словам , но и по символам в случае если текст длиннннннее заданного количества $maxchar . Может быть кому нибудь пригодится function getPrewText( $text, $maxwords = 30, $maxchar = 300 ) { $sep = ' ' $words = split( $sep, $text ); $char = iconv_strlen( $text, 'utf-8' ); if ( count( $words ) > $maxwords ) { $text = join($sep, array_slice($words, 0, $maxwords)); } if ( $char > $maxchar ) { $text = iconv_substr( $text, 0, $maxchar, 'utf-8' ); } return $text; }

Оставьте комментарий! (Вы согласны с правилами)

Имя (обязательно)

E-mail (не для публикации) (обязательно)

Сайт

 

При добавлении кода (html, php) заменяйте < на &lt; и > на &gt;.
Внимание: антиспам - зверь! Копируйте своё сообщение перед отправкой. На всякий случай.

Введите только нижние символы

Уведомить меня о новых комментариях через эл.почту