Сайт вебмастера

Корректное урезание строк по словам в PHP

13-12-2007Время чтения ~ 1 мин.PHP 35248

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).

Похожие записи
Комментарии (22) RSS
1 Бресь Сергей 2007-12-13 15:58:11

http://php.net/mb_substr

http://php.net/manual/en/ref.mbstring.php

?


2 Dimox 2007-12-13 15:58:41

Жаль, что я в этом нифига не понимаю :mrgreen:


3 Бомж без колес 2007-12-13 16:07:04

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 2007-12-13 17:27:55

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 2007-12-13 21:51:47

как вариант:

<br>if (preg_match('/([^ \n\r]+[ \n\r]+){1,10}/s', $text, $match))<br>$substr = $match[0];<br>

6 generator2003 2007-12-14 00:07:32
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 2007-12-14 00:32:27

Dimox, чем-то мы с тобой похожи :???:


8 Максим 2007-12-14 00:33:44

Вот такой код может неверно обрезать текст:

$TEXT = substr($TEXT, 0, $counttext );

9 Охотник на зелёных 2007-12-14 15:52:53

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 2007-12-14 15:54:57

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 2007-12-14 16:19:24

то есть, explode вместо split тоже может сработать некорректно?


12 Max 2007-12-14 19:09:33

А почему бы не взять готовую функцию из Drupal? там вообще много всего хорошего уже сделано :Р


13 cross 2007-12-14 22:24:35

Идея со сплитом не очень быстродейственная. А ведь есть еще и разные разделительные знаки... :)


14 CTapbIu 2007-12-15 10:05:52

а чем же вам не нравятся регэкспы?


15 Максим 2007-12-15 12:43:04

2CTapbIu: Вариант с preg_match, тоже хорош.


16 Алексей 2007-12-17 14:11:04

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 2007-12-17 20:00:07

я бы чесно говоря если надо было бы сразу через массив делал


18 Zmei 2008-01-10 12:10:04

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 :mad:

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;

    }

19 2011-05-05 16:19:02

Метод хороший, только непонятно, что делать, если мне заранее не известно количество слов?


20 CrazyTimon 2011-12-22 05:51:43

Как вариант, если используете codeigniter, то есть функция "word_limiter($text, $number_of_world)" хелпера "Text Helper"


21 Валера 2012-12-18 05:20:04

Чтобы уже все окончательно встало на свои места,

найдено на просторах интернета:

Для корректной работы с многобайтными кодировками в PHP предусмотрен набор функций, их легко можно узнать по наличию приставки mb_

Рассмотри корректный код усечения строки в многобайтной кодировка:

mb_internal_encoding("UTF-8");       // указываем нужную кодировку<br>mb_substr( 'Тестовая строка', 0, 4); // выполняем преобразование строки

Операция усечения выполняется в два этапа, сначала задается кодировка строки и только после этого выполняется усечение.

Кодировку достаточно указать только один раз, даже в случае применения нескольких функций.


22 PunBB.Ru 2015-12-22 23:29:18

Внимание

С версии PHP 5.3.0 эта функция считается УСТАРЕВШЕЙ. Крайне не рекомендуется полагаться на эту возможность.