Форум PHP

Добрый день уважаемые господа.

Столкнулся с задачей: есть новости, в которых могут встречаться теги простого форматирования (а, b, strong, i и пр.) нужно усеч этот текст для представления на главной странице и добавляется ссылка "читать дальше".
Проблема в том, что если просто делать substr() разрез может попасть на тег вроде:

Это просто пример <stro|ng>жирного<strong> текста

| - предполагаемый разрез

Чтобы этого не случилось, я делаю поиск следующей позиции, где выравнивается баланс открытых и закрытых тегов ("<" и ">") вот как:

// Получение позиции в строке, после символа $l, где закрываются  // ранее открытые теги, это накладывает условия на форматирование новостей function correct_length($str, $l) {     $balance = 0;     $strlen = strlen($str);     $result = $strlen;     for($i=1; $i<=$strlen; $i++) {         if(substr($str, $i, 1)=='<')  $balance++;         if(substr($str, $i, 1)=='>')  $balance--;         if(($i>=$l) && ($balance==0)) {             $result = $i+1;             break;         }     }     return $result; }

Это хорошо работает для не закрываемых тегов, вроде img, но для парных работает неверно:

Это просто пример <strong>|жирного<strong> текста

.

Я пока вижу одно решение - составить список возможных для новостей тегов и морфологически разбирать весь текст считая баланс "<" и ">" и самих тегов "<a>" и "</a>" и т.д.

Но может есть другие варианты.. может кто-то может предложить.

P.S. думал над следующим вариантом: вырезать все теги, узнать на какое слово попал разрез, потом искать это слово в исходном тексте и резать по нему. Но это не всегда будет работать.

Лучше вообще очистить текст от тегов, затем отрезать необходимое, ведь тег может быть и в начале текста, причем несколько, и вложенных.

Лучше всего вставлять в новость специальный тег - разделитель краткого и полного представления, тогда все будет здорово, только придется вручную переписать уже имеющиеся новости.

Но это один вариант, предложение с анализом тегов тоже эффективно, тогда можно будет сразу вырезать потенциально опасные теги (хотя зачем?, если все новости пишу я..).

В общем если есть мысли - высказывайтесь.

<p>абвгд <b>иклмн опрст <i>юфцх.... далее обрезали. Какой смысл в тегах? Коротко от новости, единственный нужный тег, это ссылка на всю новость.

Это мне понравилось, буду в превью новости выводить часть текста без форматирования.

Наверно наоборот лучше... Сначала обрезать, потом очистить. Обрезать и в SQL можно, если по пробелам.

Да собственно без разницы, единственно, что чистить меньше, главное убрать их. Не понимаю к чему они нужны, и ради чего такая заморочка.

<?php function getTextWithoutHtmlTags( $text ) {     $reg = '<[A-z\/]*>';     $text = eregi_replace($reg, "", $text);          return $text; } $textHtml = "<p>простой текст простой текст</p> простой текст простой текст простой текст <strong>простой текст</strong>"; $text     = getTextWithoutHtmlTags( $textHtml ); $text     = trim( substr($text,0,50) ) . '...'; echo $text; ?>

А так если?

<?php  function getTextWithoutHtmlTags( $text )  {      $reg = '<[A-z\/]*>';      $text = eregi_replace($reg, "", $text);            return $text;  }  $textHtml = '<p style="color:red">простой текст простой текст</p> простой текст простой текст простой текст <strong>простой текст</strong>';  $text     = getTextWithoutHtmlTags( $textHtml );  $text     = trim( substr($text,0,50) ) . '...';  echo $text;  ?>

preg_....
А разве strip_tags не справится с этой задачей?

Ну это не мой скрипт, я просто показал, что ничего не выйдет, если в тегах будут стили.
Впрочем strip_tags() действительно не справится с поставленной задачей.

Странно, а у мой strip_tags справляется:

<? $textHtml = '<p style="color:red">простой текст простой текст</p> простой текст простой текст простой текст <strong>простой текст</strong>'; echo strip_tags($textHtml);

и полученный исходник:
простой текст простой текст простой текст простой текст простой текст простой текст

А если текст такой:

<? $textHtml = '<p style="color:red">простой текст простой текст</p>простой текст простой текст простой текст <strong>простой текст</strong>';

А чем второй отличается от первого? Ну получите текстпростой вмето текст простой

Вот именно... А надо оно?

Ну вы извените, если с дури клеить все слова в кучу, то это ваши проблемы, а не разработчиков РНР.
Тем более, что без применения вырезки, это также будет читаться на странице слитно, что говорит о том, что верстальщик идиот, либо малограмотный.

Взгляните пожалуйста на исходник этой страницы...
Вообще все это решается довольно просто:

<?     function getTextWithoutHtmlTags($text)     {         $tags = array(                           "\n",                         '</p>',                         '</P>',                                                 '<br>',                         '<br />',                                                 '<BR>',                         '</td>',                         '</TD>',                         '</div>' ,                         '</DIV>' ,                                                                             );                                $n = array_fill(0, count($tags), ' ');                                      $text = str_replace($tags, $n, $text);         return nl2br(strip_tags($text));     }

Это на все случаи жизни, можно верхний регистр и не принимать в расчет. Но многие визивиг-редакторы именно в таком формате и выдают html...
А вы говорите - идиоты.

Вот такое:

текст</ p>простой

может только человек по собственному недосмотру допустить.
У меня всегда были проблемы с орфографией, и я привык проводить работу над ошибками, если отдаю кому либо документ. Пенять на редактор, это значит наплевать на свою работу. )

А причем тут разрыв тега? Новости часто (очень часто) добавляются через админ-панель. А в админ-панели часто (очень часто) используются визивиг-редакторы. А они часто (очень часто) не ставят пробелов или прерносов строк после тегов <p></p> <br> <div></div> и так далее. Так что работу над ошибками должен делать скрипт. А strip_tags() в чистом виде не справится. Вот и.

Если вам охота проводить работу над чужими ошибками, пожалуйста, я ничего не имею против. ;-)
Я бы такой редактор просто выкинул бы в помойку, нафик мне нужны лишние проблемы. Либо, если уже мне так надо, исправил бы редактор так, что бы он вставлял теги по человечески. Знаете, проблему можно найти даже на ровном месте, а если подстраиваться под редакторы, которые мягко сказать некорректные, то вы не страницы будет отдавать пользователю, а заниматься разборами каждой мелочи, в то время когда более важная работа требуется.

Зря Вы так... Практически все визивиг редакторы, которые основаны на JS выдают такой результат. В остальном они чудесно справляются со своими обязанностями. И я не думаю, что это некорректные редакторы, просто это особенности технологии.
Исправлять такой редактор нет никакого смысла, и тем более это ни как не сократит время, что бы заняться более важной работой. Писать свой, используя другой подход... То да конечно. Но вряд ли копикстартер станет это делать.
А проблема решается несколькими строчками...
Впрочем я тоже ничего не имею против, у каждого свой подход :) Мне это тоже не очень то по душе.

Я не привык пенять на редакторы, и не пользуюсь в написании визуальными редакторами. И если редатор у меня будет косячить, то я его просто исправлю или выкину. А допускать ошибки на странице, надеяь на то, что пользователи поймут, что это не я балбес, а такой редактор, это ну я даже и не знаю слов, коими бы это можно было назвать.
Я вам не даю обязательных рекомендаций, поступайте как хотите. Считаете что и так сойдет, ссылаясь на огрехи редактора, да заради бога ;-)

Да почему же это огрехи то... Иногда специально, что бы уменьшить вес html код пишется в одну строку. Какие же это огрехи? Какие же это ошибки?
Не согласный я. :)

Если вы напишите код в одну строку, наплевав на проблеы, то это что? Это ваш баг или редактора?

Пробелы как раз и не нужны в таких тегах как <br>, <p> и особенно <div>. Даже вредно бывает. Переносы - да, для читабельности. Но не пробелы. Не хочу я на них плевать, я их ставить не всегда то хочу. Особенно в вап версиях.

Что вы говорите?! Даже и не знал, что "разорванный" тег брвузер примет за проблел. Акститесь, Николай :)
Эффективным лечением может быть только одно лечение, когда лечится не следствие, а причина. Мне больше добавить нечего.

Ну что Вы такое говорите... Какой разорванный тег? Или Вы назовете этод код невалидным?

<p style="color:red">простой текст простой текст</p>простой текст<div>простой текст</div>простой текст <strong>простой текст</strong>

А именно он будет обработан криво strip_tags() в чистом виде, применительно к данной задаче. И это не следствие никакое. И даже не болезнь. И в лечении не нуждается. Это нормальный, валидный код, который нужно подобающим образом обработать и вывести...

А, вы о стыках тега и текста. Валидный, но некчемный )

Ну да, не очень кчемный :) Но факт есть факт - визивиги его именно так и генерят зачастую.

О чем спорите то, способов то много, можно просто подправить рег. выражение добавить в шаблон и другие символы... :)

<?php function cutStr($str, $lenght = 100) {         $str = strip_tags($str);         if (strlen($str) >= $lenght) {             $wrap = wordwrap($str, $lenght, "~");             $str_cut = substr($wrap, 0, strpos($wrap, "~"));             $str_cut .= ' ...';             return $str_cut;         } else {             $str_cut = $str . ' ...';             return $str_cut;         } } ?>

Чтобы не обрезать теги

<?php function breakword ($txt,$len,$delim='\s;,.!?:#') {     $txt = preg_replace_callback ("#(</?[a-z]+(?:>|\s[^>]*>)|[^<]+)#mi"                                   ,create_function('$a'                                                   ,'static $len = '.$len.';'                                                   .'$len1 = $len-1;'                                                   .'$delim = \''.str_replace("#","\\#",$delim).'\';'                                                   .'if ("<" == $a[0]{0}) return $a[0];'                                                   .'if ($len<=0) return "";'                                                   .'$res = preg_split("#(.{0,$len1}+(?=[$delim]))|(.{0,$len}[^$delim]*)#ms",$a[0],2,PREG_SPLIT_DELIM_CAPTURE);'                                                   .'if ($res[1]) { $len -= strlen($res[1])+1; $res = $res[1];}'                                                   .'else         { $len -= strlen($res[2]); $res = $res[2];}'                                                   .'$res = rtrim($res);/*preg_replace("#[$delim]+$#m","",$res);*/'                                                   .'return $res;')                                   ,$txt);      while (preg_match("#<([a-z]+)[^>]*>\s*</\\1>#mi",$txt)) {          $txt = preg_replace("#<([a-z]+)[^>]*>\s*</\\1>#mi","",$txt);      }      return $txt; } ?>

А вот это обязательно надо было - текст хелпер-функции в строковый литерал совать?
Его ж не прочтешь нормально!
Вот зачем этот выпендреж на ровном месте?

Ему статус не позволяет писать проще