Programação e Linux

Hoje apresento-vos uma função que uso para cortar/truncar texto que contém HTML, ou seja, tem por objectivo poder cortar/truncar texto maior que X caracteres, sem contabilizar o HTML como caracteres, evitando assim tags não fechadas ou cortadas a meio.

Esta função é baseada numa função que arranjei algures na Internet (se souberem onde, coloquem o link para eu referir no artigo) e depois alterei ligeiramente, pelo que os "créditos" da mesma deveriam ir, quase na totalidade, para quem fez a função inicialmente.

<?php
function cutHTML($text,$length=100,$ending='...',$cutWords=false,$considerHtml=true) {
  if ($considerHtml) {
    // se o texto for mais curto que $length, retornar o texto na totalidade
    if (strlen(preg_replace('/<.*?>/', '', $text)) <= $length) {
      return $text;
    }

    // separa todas as tags html em linhas pesquisáveis
    preg_match_all('/(<.+?>)?([^<>]*)/s', $text, $lines, PREG_SET_ORDER);

    $total_length = strlen($ending);
    $open_tags = array();
    $truncate = '';

    foreach ($lines as $line_matchings) {
      // se existir uma tag html nesta linha, considerá-la e adicioná-la ao output (sem contar com ela)
      if (!empty($line_matchings[1])) {
        // se for um "elemento vazio" com ou sem barra de auto-fecho xhtml (ex. <br />)
        if (preg_match('/^<(\s*.+?\/\s*|\s*(img|br|input|hr|area|base|basefont|col|frame|isindex|link|meta|param)(\s.+?)?)>$/is', $line_matchings[1])) {
          // não fazer nada
          // se a tag for de fecho (ex. </b>)
        } else if (preg_match('/^<\s*\/([^\s]+?)\s*>$/s', $line_matchings[1], $tag_matchings)) {
          // apagar a tag do array $open_tags
          $pos = array_search($tag_matchings[1], $open_tags);
          if ($pos !== false) {
            unset($open_tags[$pos]);
          }
          // se a tag é uma tag inicial (ex. <b>)
        } else if (preg_match('/^<\s*([^\s>!]+).*?>$/s', $line_matchings[1], $tag_matchings)) {
          // adicionar tag ao início do array $open_tags
          array_unshift($open_tags, strtolower($tag_matchings[1]));
        }
        // adicionar tag html ao texto $truncate
        $truncate .= $line_matchings[1];
      }

      // calcular a largura da parte do texto da linha; considerar entidades como um caracter
      $content_length = strlen(preg_replace('/&[0-9a-z]{2,8};|&#[0-9]{1,7};|&#x[0-9a-f]{1,6};/i', ' ', $line_matchings[2]));
      if ($total_length+$content_length> $length) {
        // o número dos caracteres que faltam
        $left = $length - $total_length;
        $entities_length = 0;
        // pesquisar por entidades html
        if (preg_match_all('/&[0-9a-z]{2,8};|&#[0-9]{1,7};|&#x[0-9a-f]{1,6};/i', $line_matchings[2], $entities, PREG_OFFSET_CAPTURE)) {
          // calcular a largura real de todas as entidades no alcance "legal"
          foreach ($entities[0] as $entity) {
            if ($entity[1]+1-$entities_length <= $left) {
              $left--;
              $entities_length += strlen($entity[0]);
            } else {
              // não existem mais caracteres
              break;
            }
          }
        }
        $truncate .= substr($line_matchings[2], 0, $left+$entities_length);
        // chegamos à largura máxima, por isso saímos do loop
        break;
      } else {
        $truncate .= $line_matchings[2];
        $total_length += $content_length;
      }

      // se chegarmos à largura máxima, saímos do loop
      if($total_length>= $length) {
        break;
      }
    }
  } else {
    if (strlen($text) <= $length) {
      return $text;
    } else {
      $truncate = substr($text, 0, $length - strlen($ending));
    }
  }

  // se as palavras não puderem ser cortadas a meio...
  if (!$cutWords) {
    // ...procurar a última ocorrência de um espaço...
    $spacepos = strrpos($truncate, ' ');
    if (isset($spacepos)) {
      // ...e cortar o texto nesta posição
      $truncate = substr($truncate, 0, $spacepos);
    }
  }

  // adicionar $ending no final do texto
  $truncate .= $ending;

  if($considerHtml) {
    // fechar todas as tags html não fechadas
    foreach ($open_tags as $tag) {
      $truncate .= '</' . $tag . '>';
    }
  }
  return $truncate;
}
?>

Modo de utilização:

Como sempre, é bastante simples e intuitivo, segue um exemplo de como truncar um texto $html, que é um texto com HTML.

<?php
  $html = "Texto com <strong>html</strong>.";
  echo cutHTML($html,10);
?>

Como sempre, é bastante simples e prático.

De notar que, se $considerHtml = false, estarão a cortar texto de forma normal, tendo a vantagem de considerar cortar (se $cutWords = true) ou não palavras.