在考虑“句号”的同时截断 html 文本（在 CachePHP TextHelper->truncate 中）答案

【问题标题】：Truncate html text while taking in consideration "full stops" (in CachePHP TextHelper->truncate)在考虑“句号”的同时截断 html 文本（在 CachePHP TextHelper->truncate 中）
【发布时间】：2011-09-15 22:38:17
【问题描述】：

编辑：

我最终使用了 CakePHP 的 truncate() 函数。它更快并且支持 unicode :D

但问题仍然存在：

如何使该功能自动检测句号 (.) 并在此之后将其剪切？所以基本上$length 将被半忽略。因此，如果新文本的句子不完整，则会追加更多单词，直到句子完成（或删除，取决于从截断到下一个/上一个句子的字符串长度）

编辑 2： 我发现了如何检测句号。我换了：

 if (!$exact) {
   $spacepos = mb_strrpos($truncate, ' ');

 ...

与

 if (!$exact) {
    $spacepos = mb_strrpos($truncate, '.');
 ...

编辑 - 问题：

当我有像img 这样的标签在其属性中带有点时，标签内的文本会被截断：

 $text = '<p>Abc def abc def abc def abc def. Abc def <img src="test.jpg" /></p><p>abc def abc def abc def abc def.</p>';

 echo htmlentities(truncate($text));

我该如何解决这个问题？我会开一个赏金，因为原来的问题已经回答了......

【问题讨论】：

我想你刚刚回答了你的问题。因此，您可以继续添加新单词，直到找到“。”。并从计算文本中减去单词，直到找到“。”然后比较长度并选择好的长度。完成此操作后，尝试优化:)
嘿！我想我确实回答了你原来的问题，但我很高兴你找到了解决方案！我正在查看 Rails 的 truncate 方法的源代码，它提供的功能与您正在寻找的功能非常相似。
谢谢 Alex，你能发个 Rails 函数的链接吗？
当然可以在the docs找到。您可以传递一个:separator 参数（您可以将其设置为一个句点），它会在自然中断处截断文本。
老实说，次要问题应该完全是另一个问题。但是，既然你已经在这里放了一个赏金，我们不妨试一试:)

标签： php arrays string cakephp truncate

【解决方案1】：

This snippet 解决了您要查找的问题，并列出了它的失败（句号可能不表示句子结束，而其他标点符号可以结束句子）。

它会扫描最多$maxLen 的字符，然后在它找到的最后一个句号之后有效地“丢弃”一个部分句子。

在你的情况下，你会在返回 $new_text 之前使用这个函数。

【讨论】：

【解决方案2】：

要解决“标记中的句号”问题，您可以使用类似于以下内容的方法来检测停止是否在标记内：

$str_len       = strlen($summary);
$pos_stop      = strrpos($summary, '.');
$pos_tag_open  = strrpos($summary, '<', -($str_len - $pos_stop));
$pos_tag_close = strpos($summary, '>', $pos_tag_open);

if (($pos_tag_open < $pos_stop) && ($pos_stop < $pos_tag_close)) {
  // Inside tag! Search for the next nearest prior full-stop.
  $pos_stop = strrpos($summary, '.', -($str_len - $pos_tag_open));
}

echo htmlentities(substr($summary, 0, $pos_stop + 1));

很明显，这段代码可以优化（并提取到它自己的函数中），但你明白了。我感觉有一个正则表达式可以更有效地处理这个问题。

编辑：

确实，有一个正则表达式可以做到这一点，使用负前瞻：

$text = '<p>Abc def abc def abc def abc def. Abc def <img src="test.jpg" />abc</p>';

$count = preg_match_all("/\.(?!([^<]+)?>)/", $text, $arr, PREG_OFFSET_CAPTURE);
$offset = $arr[0][$count-1][1];

echo substr($text, 0, $offset + 1)."\n";

这应该是相对有效的，至少与内部也使用 preg_match 的truncate() 相比。

【讨论】：

上面的正则表达式可能有效。但是，考虑到效率，在这种情况下，我们可能会先将字符串截断为 max_length，然后对截断的字符串进行 preg。是的，必须考虑标点符号。
@acpmasquerade - 目的是在truncate() 之后运行正则表达式，以便在最大字符限制之前找到最早可能的句尾。事先使用正则表达式是没有意义的，因为在将字符串截断为长度时结果会丢失。

【解决方案3】：

Truncate html text while taking in consideration "full stops" (in CachePHP TextHelper->truncate) 上面的正则表达式可能有效。

但是，考虑到效率，在这种情况下，我们可能会先将字符串截断为 max_length，然后对截断的字符串执行 preg。是的，必须考虑标点符号。

更多规则将创建一个适当的逻辑来确定句子的结尾。

标点符号后的空格或 EOL
所选标点符号后的第一个单词，大写。
在标点符号等之后多换行（段落结尾）。

【讨论】：