Сокращение текста без разделения слов или разбиение html-тегов

Лучшее решение, с которым я столкнулся, – это класс CakePHP TextHelper class

Вот метод

 /** * Truncates text. * * Cuts a string to the length of $length and replaces the last characters * with the ending if the text is longer than length. * * ### Options: * * - `ending` Will be used as Ending and appended to the trimmed string * - `exact` If false, $text will not be cut mid-word * - `html` If true, HTML tags would be handled correctly * * @param string $text String to truncate. * @param integer $length Length of returned string, including ellipsis. * @param array $options An array of html attributes and options. * @return string Trimmed string. * @access public * @link http://book.cakephp.org/view/1469/Text#truncate-1625 */ function truncate($text, $length = 100, $options = array()) { $default = array( 'ending' => '...', 'exact' => true, 'html' => false ); $options = array_merge($default, $options); extract($options); if ($html) { if (mb_strlen(preg_replace('/<.*?>/', '', $text)) <= $length) { return $text; } $totalLength = mb_strlen(strip_tags($ending)); $openTags = array(); $truncate = ''; preg_match_all('/(<\/?([\w+]+)[^>]*>)?([^<>]*)/', $text, $tags, PREG_SET_ORDER); foreach ($tags as $tag) { if (!preg_match('/img|br|input|hr|area|base|basefont|col|frame|isindex|link|meta|param/s', $tag[2])) { if (preg_match('/<[\w]+[^>]*>/s', $tag[0])) { array_unshift($openTags, $tag[2]); } else if (preg_match('/<\/([\w]+)[^>]*>/s', $tag[0], $closeTag)) { $pos = array_search($closeTag[1], $openTags); if ($pos !== false) { array_splice($openTags, $pos, 1); } } } $truncate .= $tag[1]; $contentLength = mb_strlen(preg_replace('/&[0-9a-z]{2,8};|&#[0-9]{1,7};|&#x[0-9a-f]{1,6};/i', ' ', $tag[3])); if ($contentLength + $totalLength > $length) { $left = $length - $totalLength; $entitiesLength = 0; if (preg_match_all('/&[0-9a-z]{2,8};|&#[0-9]{1,7};|&#x[0-9a-f]{1,6};/i', $tag[3], $entities, PREG_OFFSET_CAPTURE)) { foreach ($entities[0] as $entity) { if ($entity[1] + 1 - $entitiesLength <= $left) { $left--; $entitiesLength += mb_strlen($entity[0]); } else { break; } } } $truncate .= mb_substr($tag[3], 0 , $left + $entitiesLength); break; } else { $truncate .= $tag[3]; $totalLength += $contentLength; } if ($totalLength >= $length) { break; } } } else { if (mb_strlen($text) <= $length) { return $text; } else { $truncate = mb_substr($text, 0, $length - mb_strlen($ending)); } } if (!$exact) { $spacepos = mb_strrpos($truncate, ' '); if (isset($spacepos)) { if ($html) { $bits = mb_substr($truncate, $spacepos); preg_match_all('/<\/([az]+)>/', $bits, $droppedTags, PREG_SET_ORDER); if (!empty($droppedTags)) { foreach ($droppedTags as $closingTag) { if (!in_array($closingTag[1], $openTags)) { array_unshift($openTags, $closingTag[1]); } } } } $truncate = mb_substr($truncate, 0, $spacepos); } } $truncate .= $ending; if ($html) { foreach ($openTags as $tag) { $truncate .= '</'.$tag.'>'; } } return $truncate; } 

Другие рамки могут иметь сходные (или разные) решения этой проблемы, поэтому вы можете взглянуть на них тоже. Мое знакомство с Cake – вот что побудило меня связать их решение

Редактировать:

Просто протестировал этот метод в приложении, над которым я работаю с текстом OP

 <?php echo truncate( 'Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed diam voluptua. At vero eos et accusam et justo duo dolores et ea rebum. <strong>Stet clita kasd gubergren</strong>', 236, array('html' => true, 'ending' => '')); ?> 

Вывод:

 Lorem ipsum dolor sit amet, consetetur sadipscing elitr, sed diam nonumy eirmod tempor invidunt ut labore et dolore magna aliquyam erat, sed diam voluptua. At vero eos et accusam et justo duo dolores et ea rebum. <strong>Stet clita kasd gubegre</strong> 

Обратите внимание, что выход останавливается не до конца последнего слова, но включает в себя полные сильные теги

Это должно сделать это:

 class Html{ protected $reachedLimit = false, $totalLen = 0, $maxLen = 25, $toRemove = array(); public static function trim($html, $maxLen = 25){ $dom = new DomDocument(); $dom->loadHTML($html); $html = new static(); $toRemove = $html->walk($dom, $maxLen); // remove any nodes that passed our limit foreach($toRemove as $child) $child->parentNode->removeChild($child); // remove wrapper tags added by DD (doctype, html...) if(version_compare(PHP_VERSION, '5.3.6') < 0){ // http://stackoverflow.com/a/6953808/1058140 $dom->removeChild($dom->firstChild); $dom->replaceChild($dom->firstChild->firstChild->firstChild, $dom->firstChild); return $dom->saveHTML(); } return $dom->saveHTML($dom->getElementsByTagName('body')->item(0)); } protected function walk(DomNode $node, $maxLen){ if($this->reachedLimit){ $this->toRemove[] = $node; }else{ // only text nodes should have text, // so do the splitting here if($node instanceof DomText){ $this->totalLen += $nodeLen = strlen($node->nodeValue); // use mb_strlen / mb_substr for UTF-8 support if($this->totalLen > $maxLen){ $node->nodeValue = substr($node->nodeValue, 0, $nodeLen - ($this->totalLen - $maxLen)) . '...'; $this->reachedLimit = true; } } // if node has children, walk its child elements if(isset($node->childNodes)) foreach($node->childNodes as $child) $this->walk($child, $maxLen); } return $this->toRemove; } } 

Используйте как: $str = Html::trim($str, 236);

(демо здесь)

Некоторые сравнения производительности между этим и регулярным выражением cakePHP

Там очень мало различий, и при очень больших размерах строк DomDocument работает быстрее. Надежность важнее, чем сохранение нескольких микросекунд, на мой взгляд.

Могу я просто подумать?

Образец текста :

 Lorem ipsum dolor sit amet, <i class="red">magna aliquyam erat</i>, duo dolores et ea rebum. <strong>Stet clita kasd gubergren</strong> hello 

Сначала проанализируйте его:

 array( '0' => array( 'tag' => '', 'text' => 'Lorem ipsum dolor sit amet, ' ), '1' => array( 'tag' => '<i class="red">', 'text' => 'magna aliquyam erat', ) '2' => ...... '3' => ...... ) 

затем вырезать текст один за другим и обернуть каждый из них своим тегом после вырезания,

затем присоединитесь к ним.

 function limitStrlen($input, $length, $ellipses = true, $strip_html = true, $skip_html) { // strip tags, if desired if ($strip_html || !$skip_html) { $input = strip_tags($input); // no need to trim, already shorter than trim length if (strlen($input) <= $length) { return $input; } //find last space within length $last_space = strrpos(substr($input, 0, $length), ' '); if($last_space !== false) { $trimmed_text = substr($input, 0, $last_space); } else { $trimmed_text = substr($input, 0, $length); } } else { if (strlen(strip_tags($input)) <= $length) { return $input; } $trimmed_text = $input; $last_space = $length + 1; while(true) { $last_space = strrpos($trimmed_text, ' '); if($last_space !== false) { $trimmed_text = substr($trimmed_text, 0, $last_space); if (strlen(strip_tags($trimmed_text)) <= $length) { break; } } else { $trimmed_text = substr($trimmed_text, 0, $length); break; } } // close unclosed tags. $doc = new DOMDocument(); $doc->loadHTML($trimmed_text); $trimmed_text = $doc->saveHTML(); } // add ellipses (...) if ($ellipses) { $trimmed_text .= '...'; } return $trimmed_text; } $str = "<h1><strong><span>Lorem</span></strong> <i>ipsum</i> <p class='some-class'>dolor</p> sit amet, consetetur.</h1>"; // view the HTML echo htmlentities(limitStrlen($str, 22, false, false, true), ENT_COMPAT, 'UTF-8'); // view the result echo limitStrlen($str, 22, false, false, true); в function limitStrlen($input, $length, $ellipses = true, $strip_html = true, $skip_html) { // strip tags, if desired if ($strip_html || !$skip_html) { $input = strip_tags($input); // no need to trim, already shorter than trim length if (strlen($input) <= $length) { return $input; } //find last space within length $last_space = strrpos(substr($input, 0, $length), ' '); if($last_space !== false) { $trimmed_text = substr($input, 0, $last_space); } else { $trimmed_text = substr($input, 0, $length); } } else { if (strlen(strip_tags($input)) <= $length) { return $input; } $trimmed_text = $input; $last_space = $length + 1; while(true) { $last_space = strrpos($trimmed_text, ' '); if($last_space !== false) { $trimmed_text = substr($trimmed_text, 0, $last_space); if (strlen(strip_tags($trimmed_text)) <= $length) { break; } } else { $trimmed_text = substr($trimmed_text, 0, $length); break; } } // close unclosed tags. $doc = new DOMDocument(); $doc->loadHTML($trimmed_text); $trimmed_text = $doc->saveHTML(); } // add ellipses (...) if ($ellipses) { $trimmed_text .= '...'; } return $trimmed_text; } $str = "<h1><strong><span>Lorem</span></strong> <i>ipsum</i> <p class='some-class'>dolor</p> sit amet, consetetur.</h1>"; // view the HTML echo htmlentities(limitStrlen($str, 22, false, false, true), ENT_COMPAT, 'UTF-8'); // view the result echo limitStrlen($str, 22, false, false, true); 

Примечание. Возможно, лучший способ закрыть теги вместо использования DOMDocument . Например, мы можем использовать p tag внутри h1 tag и он все равно будет работать. Но в этом случае тег заголовка будет закрыт перед p tag потому что теоретически невозможно использовать в нем p tag . Поэтому будьте осторожны с строгими стандартами HTML.

Я сделал это в JS, надеюсь, эта логика тоже поможет в PHP.

 splitText : function(content, count){ var originalContent = content; content = content.substring(0, count); //If there is no occurance of matches before breaking point and the hit breakes in between html tags. if (content.lastIndexOf("<") > content.lastIndexOf(">")){ content = content.substring(0, content.lastIndexOf('<')); count = content.length; if(originalContent.indexOf("</", count)!=-1){ content += originalContent.substring(count, originalContent.indexOf('>', originalContent.indexOf("</", count))+1); }else{ content += originalContent.substring(count, originalContent.indexOf('>', count)+1); } //If the breaking point is in between tags. }else if(content.lastIndexOf("<") != content.lastIndexOf("</")){ content = originalContent.substring(0, originalContent.indexOf('>', count)+1); } return content; }, 

Надеюсь, эта логика поможет кому-то …

Вы можете использовать XML-подход и нажимать элементы на строку var до тех пор, пока длина строки не превысит 236

пример кода?

 for each node // text or tag push to the string var if string length > 236 break endfor 

для разбора HTML в PHP http://simplehtmldom.sourceforge.net/

Вот решение JS: trim-html

Идея состоит в том, чтобы разделить HTML-строку таким образом, чтобы иметь массив с элементами, являющимися тегом html (открытым или закрытым) или просто строкой.

 var arr = html.replace(/</g, "\n<") .replace(/>/g, ">\n") .replace(/\n\n/g, "\n") .replace(/^\n/g, "") .replace(/\n$/g, "") .split("\n"); 

Чем мы можем итерации по массиву и подсчету символов.