Zkrácení textu s XHTML značkami

Článek vyšel v rámci PHP okénka na serveru Root.cz.

Pokud chceme vypsat pouze začátek nějakého textu, není v PHP nic jednoduššího:

<?php
echo substr($text, 0, $limit);
?>

Pokud text nechceme ukončovat uprostřed slova, tak to také není dvakrát velká věda:

<?php
if (strlen($text) <= $limit) {
    echo $text;
} else {
    $text = substr($text, 0, $limit+1);
    $pos = strrpos($text, " "); // v PHP 5 by se dal použít parametr offset
    echo substr($text, 0, ($pos ? $pos : -1)) . "...";
}
?>

Funkce strrpos vrátí v případě nenalezení podřetězce false a v případě nalezení na samém začátku řetězce 0, mezi čímž je obvykle potřebovat pomocí operátoru === rozlišovat, my ale oba případy ošetříme stejně – vypsáním řetězce zkráceného přesně na požadovanou délku.

Co ale dělat v případě, kdy $text obsahuje HTML značky? Pokud nám na nich nezáleží, dá se jednoduše použít funkce strip_tags. Pokud je ale v textu chceme zachovat, musíme si napsat funkci vlastní. Mohla by být založena na regulárních výrazech, nejjednodušší ale bude použít staré dobré procházení po znacích:

<?php
/** Zkrácení textu s XHTML značkami
* @param string zkracovaný řetězec bez komentářů a bloků skriptu
* @param int požadovaný počet vrácených znaků
* @return string zkrácený řetězec se správně uzavřenými značkami
* @copyright Jakub Vrána, https://php.vrana.cz/
*/
function xhtml_cut_tidy($s, $limit) {
    $length = 0;
    for ($i=0; $i < strlen($s) && $length < $limit; $i++) {
        switch ($s[$i]) {
        case '<':
            $in_quote = '';
            while ($i < strlen($s) && ($in_quote || $s[$i] != '>')) {
                if (($s[$i] == '"' || $s[$i] == "'") && !$in_quote) {
                    $in_quote = $s[$i];
                } elseif ($in_quote == $s[$i]) {
                    $in_quote = '';
                }
                $i++;
            }
            break;
        case '&':
            $length++;
            while ($i < strlen($s) && $s[$i] != ';') {
                $i++;
            }
            break;
        default:
            $length++;
        }
    }
    $config = array('output-xhtml' => true, 'show-body-only' => true);
    return tidy_repair_string(substr($s, 0, $i), $config, 'raw');
}
?>

Funkce prochází řetězec, značky a entity přeskakuje a započítává pouze zobrazované znaky. Zkrácený řetězec ošetří funkcí tidy_repair_string, která doplní chybějící uzavírací značky. Pokud bychom ošetřovali HTML řetězec, museli bychom kromě nepředání parametru output-xhtml funkci tidy_repair_string upravit také zpracování entit, které v HTML není tak přísné.

Funkce tidy_repair_string nám ušetřila spoustu práce, jak ale postupovat v případě, že není k dispozici? Bude potřeba ukládat otevírané značky do zásobníku a na závěr je uzavřít:

<?php
/** Zkrácení textu s XHTML značkami
* @param string zkracovaný řetězec bez komentářů a bloků skriptu
* @param int požadovaný počet vrácených znaků
* @return string zkrácený řetězec se správně uzavřenými značkami
* @copyright Jakub Vrána, https://php.vrana.cz/
*/
function xhtml_cut($s, $limit) {
    $length = 0;
    $tags = array(); // dosud neuzavřené značky
    for ($i=0; $i < strlen($s) && $length < $limit; $i++) {
        switch ($s[$i]) {
        
        case '<':
            // načtení značky
            $start = $i+1;
            while ($i < strlen($s) && $s[$i] != '>' && !ctype_space($s[$i])) {
                $i++;
            }
            $tag = substr($s, $start, $i - $start);
            // přeskočení případných atributů
            $in_quote = '';
            while ($i < strlen($s) && ($in_quote || $s[$i] != '>')) {
                if (($s[$i] == '"' || $s[$i] == "'") && !$in_quote) {
                    $in_quote = $s[$i];
                } elseif ($in_quote == $s[$i]) {
                    $in_quote = '';
                }
                $i++;
            }
            if ($s[$start] == '/') { // uzavírací značka
                array_shift($tags); // v XHTML dokumentu musí být vždy uzavřena poslední neuzavřená značka
            } elseif ($s[$i-1] != '/') { // otevírací značka
                array_unshift($tags, $tag);
            }
            break;
        
        case '&':
            $length++;
            while ($i < strlen($s) && $s[$i] != ';') {
                $i++;
            }
            break;
        
        default:
            $length++;
            /* V případě kódování UTF-8:
            while ($i+1 < strlen($s) && ord($s[$i+1]) > 127 && ord($s[$i+1]) < 192) {
                $i++;
            }        
            */
        
        }
    }
    $s = substr($s, 0, $i);
    if ($tags) {
        $s .= "</" . implode("></", $tags) . ">";
    }
    return $s;
}
?>

Úprava na tolerantnější HTML verzi by v tomto případě byla o něco složitější, protože v HTML nemusí být nepárové značky označeny a navíc některé značky uzavřeny být mohou, ale nemusí. V případě zpracování textu v kódování UTF-8 je možné ve větvi default použít zakomentovaný kód, který přeskočí vícebajtové znaky.

Pokud si zadavatel usmyslí, že chce za všech okolností zobrazovat např. 4 řádky, dá se postupovat tak, že se text zkrátí s dostatečnou rezervou a na čtyři řádky se seřízne u klienta pomocí stylu height: 5em; overflow: hidden; line-height: 1.25;, kde hodnota u height je požadovaný počet řádek vynásobený hodnotou line-height v jednotkách em. V HTML5 lze navíc použít text-overflow: ellipsis.

Jakub Vrána, Řešení problému, 20.6.2005, diskuse: 14 (nové: 0)

Diskuse

Diskuse je zrušena z důvodu spamu.

Navigace

PHP triky

• Archiv (704), English articles
• RSS, Atom, Atom diskusí
• O autorovi, o webu, Twitter

Kupte si mou knihu

Reklama

• Hledáte-li programátora nebo naopak sami programujete a nemáte do čeho píchnout, využijte služeb portálu nezávislých profesionálů Na volné noze.

Web běží na serveru

• Váš hosting

Články podle skupin

• Dobře míněné rady (111)
• Řešení problému (170)
• Výuka (100)
• Seznámení s oblastí (102)
• Ze zákulisí (69)
• Školení (31)
• Verze PHP (8)
• Osobní (46)
• Adminer (67)

Výběr článků

• Traverzování kolem stromu prakticky
• Vlastní pořadí řádků v tabulce
• Ukázka použití indexů
• Struktura stránek
• Unikátnost návštěvníka
• Vyhledávání v JavaScriptu
• Kontrola e-mailové adresy
• Vytvoření přátelského URL
• HTTP cachování
• Atomicita operací
• Vypnutí magic_quotes_gpc
• Ukládání souborů od uživatele
• Cross Site Scripting
• AJAX
• Přihlašování uživatelů
• MySQL 4.1 – kódování
• Vzájemné propojení souborů
• Diskuse s reakcemi
• Šablony
• HTTP metody GET a POST
• Escapování
• Ukládání hesel
• Využití unikátních klíčů v databázi
• Obrana proti SQL Injection

Nejnovější články

• Adminer 4.8.1
• Adminer 4.8.0
• Adminer 4.7.9
• Vypnutí chyby při přístupu k nedefinovanému prvku pole
• Users of Adminer 3.7.1 and older might have been hacked

Normy a manuály

• PHP
• MySQL
• HTTP
• Apache
• HTML, XHTML
• JavaScript

Další projekty

• Adminer
• NotORM
• JavaScript Syntax Highlighter
• php-initialized
• Čtyřka