Comment tronquer une chaîne de caractères en PHP au mot le plus proche d'un certain nombre de caractères ?

Question

J'ai un extrait de code écrit en PHP qui extrait un bloc de texte d'une base de données et l'envoie à un widget sur une page Web. Le bloc de texte original peut être un long article ou une courte phrase ou deux ; mais pour ce widget, je ne peux pas afficher plus de, disons, 200 caractères. Je pourrais utiliser substr() pour couper le texte à 200 caractères, mais le résultat serait une coupure au milieu des mots - ce que je veux vraiment, c'est couper le texte à la fin de la dernière phrase. mot avant 200 caractères.

Answer 1

En utilisant le wordwrap fonction. Elle divise les textes en plusieurs lignes de manière à ce que la largeur maximale soit celle que vous avez spécifiée, avec une rupture aux limites des mots. Après la division, vous prenez simplement la première ligne :

substr($string, 0, strpos(wordwrap($string, $your_desired_width), "\n"));

Une chose que cet oneliner ne gère pas est le cas où le texte lui-même est plus court que la largeur souhaitée. Pour gérer ce cas de figure, il faut faire quelque chose du genre :

if (strlen($string) > $your_desired_width) 
{
    $string = wordwrap($string, $your_desired_width);
    $string = substr($string, 0, strpos($string, "\n"));
}

---

La solution ci-dessus présente le problème de couper prématurément le texte s'il contient une nouvelle ligne avant le point de coupe réel. Voici une version qui résout ce problème :

function tokenTruncate($string, $your_desired_width) {
  $parts = preg_split('/([\s\n\r]+)/', $string, null, PREG_SPLIT_DELIM_CAPTURE);
  $parts_count = count($parts);

  $length = 0;
  $last_part = 0;
  for (; $last_part < $parts_count; ++$last_part) {
    $length += strlen($parts[$last_part]);
    if ($length > $your_desired_width) { break; }
  }

  return implode(array_slice($parts, 0, $last_part));
}

Voici également la classe de test PHPUnit utilisée pour tester l'implémentation :

class TokenTruncateTest extends PHPUnit_Framework_TestCase {
  public function testBasic() {
    $this->assertEquals("1 3 5 7 9 ",
      tokenTruncate("1 3 5 7 9 11 14", 10));
  }

  public function testEmptyString() {
    $this->assertEquals("",
      tokenTruncate("", 10));
  }

  public function testShortString() {
    $this->assertEquals("1 3",
      tokenTruncate("1 3", 10));
  }

  public function testStringTooLong() {
    $this->assertEquals("",
      tokenTruncate("toooooooooooolooooong", 10));
  }

  public function testContainingNewline() {
    $this->assertEquals("1 3\n5 7 9 ",
      tokenTruncate("1 3\n5 7 9 11 14", 10));
  }
}

EDIT :

Les caractères spéciaux UTF8 comme 'à' ne sont pas traités. Ajoutez 'u' à la fin du REGEX pour le gérer :

$parts = preg_split('/([\s\n\r]+)/u', $string, null, PREG_SPLIT_DELIM_CAPTURE);

Answer 2

Cela renverra les 200 premiers caractères des mots :

preg_replace('/\s+?(\S+)?$/', '', substr($string, 0, 201));

Answer 3

$WidgetText = substr($string, 0, strrpos(substr($string, 0, 200), ' '));

Et voilà une méthode fiable pour tronquer une chaîne de caractères au mot entier le plus proche, tout en respectant la longueur maximale de la chaîne.

J'ai essayé les autres exemples ci-dessus et ils n'ont pas donné les résultats escomptés.

Answer 4

La solution suivante a vu le jour lorsque j'ai remarqué que le paramètre $break de la commande wordwrap fonction :

string wordwrap ( string $str [, int $width = 75 [, string $break = " \n " [, bool $cut = false ]]] )

Voici la solution :

/**
 * Truncates the given string at the specified length.
 *
 * @param string $str The input string.
 * @param int $width The number of chars at which the string will be truncated.
 * @return string
 */
function truncate($str, $width) {
    return strtok(wordwrap($str, $width, "...\n"), "\n");
}

Exemple n° 1.

print truncate("This is very long string with many chars.", 25);

L'exemple ci-dessus produira un résultat :

This is very long string...

Exemple n° 2.

print truncate("This is short string.", 25);

L'exemple ci-dessus produira un résultat :

This is short string.

Answer 5

N'oubliez pas que certaines langues, comme le chinois et le japonais, n'utilisent pas d'espace pour séparer les mots. De plus, un utilisateur malveillant pourrait simplement saisir du texte sans aucun espace, ou en utilisant un sosie Unicode du caractère espace standard, auquel cas toute solution que vous utilisez pourrait finir par afficher le texte entier de toute façon. Une façon de contourner ce problème pourrait être de vérifier la longueur de la chaîne après l'avoir divisée sur les espaces comme d'habitude, puis, si la chaîne est toujours au-dessus d'une limite anormale - peut-être 225 caractères dans ce cas - de continuer et de la diviser bêtement à cette limite.

Il y a un autre problème avec les caractères non-ASCII ; les chaînes de caractères qui les contiennent peuvent être interprétées par la fonction strlen() de PHP comme étant plus longues qu'elles ne le sont réellement, car un seul caractère peut prendre deux octets ou plus au lieu d'un seul. Si vous utilisez uniquement les fonctions strlen()/substr() pour diviser les chaînes de caractères, vous pouvez diviser une chaîne au milieu d'un caractère ! En cas de doute, mb_strlen() / mb_substr() sont un peu plus infaillibles.