返回不包含某些字符的第一段

Question

我正在编写一个自定义的 WordPress 摘录函数。

我的帖子的第一段以各种但可预测的方式开始：

• 有时第一个“段落”是标题（h3、h4）
• 有时是“署名”（作者：John Smith）
• 有时会有标题和署名
• 有时第一段是文章的实际文本。

我想要做的是忽略包含标题或署名的段落，并从第一个“正确”段落返回自定义摘录。

有成千上万的条目，所以我们不会很快添加手工制作的摘录。

我开始朝以下方向发展，但我无法完全理解我将在这种情况下使用的逻辑。另外，我觉得可能有更好的（GREP？）方法来做到这一点。

有什么建议吗？

function get_first_ctarticle_paragraph()
{
    global $post;
    $str = wpautop(get_the_content());


    //split content to first paragraph and the rest
    $paragraphs = explode('</p>', $str);

    //extract the first paragraph
    $first_paragraph = $paragraphs[0];
    $second_paragraph = $paragraphs[1];
    $third_paragraph = $paragraphs[2];
    if ((strpos($first_paragraph, '<h', 0) === false) && (strpos($first_paragraph, 'By', 0) === false) && (strpos($second_paragraph, 'By', 0) === false)) {
        echo wp_trim_words( $first_paragraph, 40, '...' );
    } elseif ((strpos($first_paragraph, '<h', 0) === false) && (strpos($first_paragraph, 'By', 0) === false) && (strpos($second_paragraph, 'By', 0) === false)) {
      // etc.
    };
}

Answer 1

如果没有示例文本，很难确定，但似乎只要继续您现有的逻辑就可以了。请注意，我会使用正则表达式来匹配 By 以确保它不匹配 Bye Bye 之类的内容：

if (strpos($first_paragraph, '<h', 0) === false && !preg_match('/\bBy\b/', $first_paragraph)) {
    // no header or byline in first paragraph
    echo wp_trim_words($first_paragraph, 40, '...' );
} 
elseif (strpos($second_paragraph, '<h', 0) === false && !preg_match('/\bBy\b/', $second_paragraph)) {
    // no header or byline in second paragraph
    echo wp_trim_words($second_paragraph, 40, '...' );
}
else {
    // header or byline in first and second paragraphs
    echo wp_trim_words($third_paragraph, 40, '...' );
}

如果开头可能有超过 2 个可能包含标题或署名的段落，则循环会更有效：

$para = 0;
while (strpos($paragraphs[$para], '<h', 0) !== false || preg_match('/\bBy\b/', $paragraphs[$para])) {
    $para++;
}
echo wp_trim_words($paragraphs[$para], 40, '...' );