Как обрезать текст сохраняя целостность html кода?

Question

[Виктор Бердянский]

Доброй ночи
Предстоит передо мною задача реализовать добавление статьи на сайте через WYSIWYG редактор(html редактор).
При надобности обрезании подобного текста есть большой риск нарушить целостность html-кода.

Появились у меня 2 идеи как решить эту проблему.
1) При выводе, обрезаний текста проверить на исправность, в моем случае провести через библиотеку(HTMLPurifier for Laravel 5) для очистки и "выравнивания" плохо html-кода.
2) При добавлении статьи обрезать текст и пройти по пункту 1 а после чего сохранить в БД, в колонку для краткого содержания статьи.

1 вариант на мой взгляд просто ужасен, так как нам придется вызывать функцию очистки при каждой попытке отобразить статью.
Я бы хотел чтобы вы направили меня в верное русло по решению этой задачи.

Answer 1

[xmoonlight]

Неужели так сложно засплитить на 2 части готовый контент статьи с тегами?
1. Отсчитываем нужное кол-во символов чистого текста игнорируя теги и запоминая открытые в стек (закрытые - извлекаем из стека).
2. Режем
3. Закрываем теги из стека.
4. сохраняем в кэш (в колонку в БД)
Думаю, что лучше тут будет сохранять в 2 колонки: [кол-во символов] и [короткий готовый контент].
Как кол-во символов для превью поменяют в админке - кэш обновится по колонке [кол-во символов].

Answer 2

[ThunderCat]

xmoonlight, не, в целом понятно, тег открылся, пошел кусок текста внутри тега, мы отхрямали шмат - соответственно тег закрытия похерился, весь хтмл порушился. Это понятно, не понятно зачем на превьюшке текст с тегами, проще дропнуть теги и выводить тупо текст. Ну или как выше писали - есть гора готовых решений, вопрос хранения в бд этих заранее нарезанных шматков - вопрос соотношения жадности, что не жалко - ресурсов бд или ресурсов памяти/проца.

Comments

[xmoonlight]

Если мы редактируем исходник - то проверяем корректность структуры при сохранении через AJAX и далее показываем ошибку (если есть).
Если редактируем текст - тогда непонятно: причём тут вывод тегов?

"При добавлении статьи обрезать текст" - вот это вообще финиш! Зачем что-то обрезать при добавлении? Что за статья, которую без обрезки никак нельзя запостить?

В общем, я не могу понять конечную цель TC и последовательность действий БП)

[ThunderCat]

xmoonlight: нее, речь идет об автоматизации процесса вывода превью, пишешь статью в редакторе, все теги ставишь, в настройках сайта ставшь - "выводить первые 200 символов статьи в превью", и алгоритм тупо режет субстрингом 200 символов, прямо посередине текста внутри тегов. И - "шеф, все пропало!". Поэтому предполагается после обрезки проверить текст улутшатором каким-нибудь, который позакрывает все открытые теги сам. Вопрос стоял только в том как это делать, единоразово и сохранять это сокровище в отдельном поле таблицы, или налету каждый раз резать/исправлять. Все вышесказанное относится к моему экстрасенсорному пониманию вопроса )

[xmoonlight]

ThunderCat: Ахтунг!
Неужели так сложно засплитить на 2 части готовый контент статьи с тегами?
1. Отсчитываем нужное кол-во символов чистого текста игнорируя теги и запоминая открытые в стек (закрытые - извлекаем из стека).
2. Режем
3. Закрываем теги из стека.
4. сохраняем в кэш (в колонку в БД)
Думаю, что лучше тут будет сохранять в 2 колонки: [кол-во символов] и [короткий готовый контент].
Как кол-во символов для превью поменяют в админке - кэш обновится по колонке [кол-во символов].

PS: извиняюсь, если снова ничего не понял)))

Answer 3

[Евгений Вольф]

1 вариант на мой взгляд просто ужасен, так как нам придется вызывать функцию очистки при каждой попытке отобразить статью.

Зачем? Можно же в базе хранить в базе уже обрезанный текст, в дополнительном поле (если стандартное не устраивает).

*Не понимаю, чего все так бояться добавить немного "лишних" (дополнительных) данных в БД... у Вас там гигбайты текста хранить нужно, а база работает на процессоре от калькулятора?

При надобности обрезании подобного текста есть большой риск нарушить целостность html-кода.

Не совсем понятно, что значит "риск нарушить целостность кода"? Нужно из кода что ли текст вырезать? Для этого есть другие инструменты, работающие с DOM-разметкой, они позволяют изменить HTML-элементы и их содержимое без нарушения целостности, какой-нибудь phpQuery например (а ещё Symfony Dom Crawler, Simple HTML DOM и т.д.), если принципиально хочется извращаться над HTML-кодом...

P.S. Для HTML-редакторов, не редко случается такое, что либо пользователь навставлял какой-нибудь ерунды в код, либо сам редактор хорошенько в код нагадил... По этому, я бы всё-таки не снимал со счетов технологию "Хранение нормализованных данных вместе с оригинальными" (о которой я писал выше). Вернее будет сказать, "Хранение оригинальных данных рядом с нормализованными", если по какой-то причине они всё-таки нужны...