Как разделить строку на части по количеству символов с переносом по словам?

Question

[Александр]

Приветствую, коллеги!
Наведите на мысль, как разделить строку на части по количеству (не более) символов так чтоб не "резало" слова для записи в массив?

Пример: "Один Два Три Четыре Пять"
Делить, например, по 10
В результате:
Один Два(а не "Один Два Т")
Три Четыре
Пять

Есть функция:

function captionF($caption) {
    $encoding = 'UTF-8';
    $capI = 0;
    do {
        $captionarr[$capI] = mb_substr($caption, 0, 1024, $encoding);
//Понимаю что здесь еще раз нужно обработать элемент массив, но как именно.. застрял..
        $caption = str_replace($captionarr[$capI], '', $caption);
        $capI++;
    } while (mb_strlen($caption, $encoding) > 0);
    return $captionarr;
}

Пробовал искать "последний" пробел, но не вариант т.к. за ним могут остаться символы..

Comments

[Spartak (Web-StyleStudio)]

А для чего вы это делаете?
Скорее всего ваш подход изначально не верный.
Если вам необходимо вывести строку на экран и чтобы слова не резало при переносе на новую строку, то css с этим легко справиться

[Александр]

Spartak (Web-StyleStudio), нет, выводится это не будет, будет отправлять в другой обработчик где ограничение 1024 символа, но при этом нужно "не резать слова"

[nokimaro]

Александр, ограничение 1024, при этом если не резать слова то возможны варианты выхода за ограничение же.

[Александр]

nokimaro, по простому, нужна строка не более 1024, где последнее обрезанное слово откидывается

Answer 1

[Александр]

Коллеги, спасибо всем, кто не пожалел своего времени на заданный вопрос!
Не зря говорят "Утро вечера мудренее..", сегодня с утра осенило ))

Решение оказалось банально простым, нужно в конце исходной строки добавить пробел чтоб потом спокойно искать его последнее вхождение.

В итоге мой конечный код выглядит так:

function captionF($caption) {
    $encoding = 'UTF-8';
    $needMAXlength = '1024'; //Обрезаем до.. символов
    $caption = $caption . ' '; //Добавляем в конце пробел чтоб "точно был"
    $capI = 0;
    do {
        $captionarr[$capI] = mb_substr($caption, 0, $needMAXlength, $encoding);
        $captionarr[$capI] = mb_strrchr($captionarr[$capI], ' ', TRUE, $encoding);
        $caption = str_replace($captionarr[$capI], '', $caption);
        $capI++;
    } while (mb_strlen($caption, $encoding) > 1); //При ">0" скрипт падал..
    return $captionarr;
}

Ilyas Sarsenbaev предложил немного альтернативный вариант, его также попробовал адаптировав под свои реалии:

function captionF($caption) {
    $encoding = 'UTF-8';
    $needMAXlength = '1024'; //Обрезаем до.. символов
    $caption = $caption . ' '; //Добавляем в конце пробел чтоб "точно был"
    $capI = 0;
    do {
        $captionarr[$capI] = mb_substr($caption, 0, $needMAXlength, $encoding);
        if ($caption[$needMAXlength] !== ' ') {
            $spacePosition = mb_strrpos($captionarr[$capI], ' ', $encoding);
            $captionarr[$capI] = mb_substr($caption, 0, $spacePosition, $encoding);
        }
        $caption = str_replace($captionarr[$capI], '', $caption);
        $capI++;
    } while (mb_strlen($caption, $encoding) > 1); //При ">0" скрипт падал..
    return $captionarr;
}

По затраченной памяти и скорости обработки оба скрипта примерно одинаковы, так что кому надо, можете использовать любой.

Еще раз спасибо всем участвовавшим в обсуждении.

Comments

[Shooshpanius]

Адаптировал под C#

private string[] captionF(string caption)
        {
            string[] captionarr = new string[0];
            int needMAXlength = 60; //Обрезаем до.. символов
            caption = caption + " "; //Добавляем в конце пробел чтоб "точно был"
            int capI = 0;
            do
            {
                Array.Resize(ref captionarr, captionarr.Length+1);
                if (caption.Length < needMAXlength) { needMAXlength = caption.Length; }
                captionarr[capI] = caption.Substring(0, needMAXlength);
                if (caption[needMAXlength-1] != ' ')
                {
                    int spacePosition = captionarr[capI].LastIndexOf(" ");
                    captionarr[capI] = caption.Substring(0, spacePosition);
                }
                caption = caption.Replace(captionarr[capI], "");
                capI++;
            } 
            while (caption.Length > 1); //При ">0" скрипт падал..

            return captionarr;
        }

Answer 2

[twobomb]

А если слово длинее ограниченной длинны, всеравно придется резать. Вот пример

<?php
$s = "Один Два Три Четыре Пять Длинноеслово";
$pos = 0;
$maxLen = 10;
$res = [];
while($pos < mb_strlen($s)){
    while(mb_substr($s,$pos,1) == " ")
        $pos++;
        $v = mb_substr($s,$pos,$maxLen);
        if($pos+$maxLen <= mb_strlen($s)-1 && mb_substr($s,$pos+$maxLen,1) == " ")
            $v = mb_substr($s,$pos,$maxLen+1);
            
    $nextPos = mb_strrpos($v," ");
        if($nextPos != null && $pos+$maxLen < mb_strlen($s)-1){
            array_push($res,mb_substr($v,0,$nextPos));
            $pos+= $nextPos;
        }
        else{
            $pos+= mb_strlen($v);
            array_push($res,$v);
        }
 }
var_dump($res);

array(5) {
[0]=>
string(15) "Один Два"
[1]=>
string(19) "Три Четыре"
[2]=>
string(8) "Пять"
[3]=>
string(20) "Длинноесло"
[4]=>
string(4) "во"
}

Answer 3

[nokimaro]

Ровно эту задачу можно решить функцией wordwrap - https://www.php.net/wordwrap
Но она не корректно работает с юникод строками

В итоге быстрое гугление предлагает такие полифилы

<?php
function mb_wordwrap($string, $width=75, $break="\n", $cut = false) {
    if (!$cut) {
        $regexp = '#^(?:[\x00-\x7F]|[\xC0-\xFF][\x80-\xBF]+){'.$width.',}\b#U';
    } else {
        $regexp = '#^(?:[\x00-\x7F]|[\xC0-\xFF][\x80-\xBF]+){'.$width.'}#';
    }
    $string_length = mb_strlen($string,'UTF-8');
    $cut_length = ceil($string_length / $width);
    $i = 1;
    $return = '';
    while ($i < $cut_length) {
        preg_match($regexp, $string,$matches);
        $new_string = $matches[0];
        $return .= $new_string.$break;
        $string = substr($string, strlen($new_string));
        $i++;
    }
    return $return.$string;
}

<?php
function mb_wordwrap($str, $width = 74, $break = "\r\n", $cut = false)
        {
            return preg_replace(
                '~(?P<str>.{' . $width . ',}?' . ($cut ? '(?(?!.+\s+)\s*|\s+)' : '\s+') . ')(?=\S+)~mus',
                '$1' . $break,
                $str
            );
        }

Comments

[Александр]

Код подобный видел, не пробовал, но ощущение что он не пойдет под мою задачу..

[nokimaro]

Александр, под вашу задачу подойдёт. То есть обрезка будет ровно по целому слову, и иногда это может превышать указанный лимит, и тут вам лишь надо будет добавить доп. проверку, что если обрезанная строка получилась больше лимита, то отсечь последнее слово, раз это допустимо.

Answer 4

[Spartak (Web-StyleStudio)]

function mbCutString($str, $length, $encoding = 'UTF-8')
{
	$arr = array();

	while(mb_strlen($str, $encoding) > 0) {
		if (mb_strlen($str, $encoding) <= $length) {
			array_push($arr, trim($str));
			return $arr;
		}

		$tmp = mb_substr($str, 0, $length, $encoding);
		$res = trim(mb_substr($tmp, 0, mb_strripos($tmp, ' ', 0, $encoding), $encoding));
		$str = mb_strlen($res, $encoding) ? trim(str_ireplace($res, "", $str)) : false;
		if ($res) array_push($arr, $res);
	}

	return $arr;
}

Comments

[Александр]

Так пробовал, всё что после последнего пробела будет откинуто, а там могут быть еще символы..

Пробовал искать "последний" пробел, но не вариант т.к. за ним могут остаться символы..

[Spartak (Web-StyleStudio)]

Александр,
Так доделайте функцию, все что получили в этой функции заносите в массив, то что получили вырезаете из строки, остаток строки прогоняете дальше через эту функцию

[Spartak (Web-StyleStudio)]

Александр,
И в итоге получите массив с значениями которые не превышают заданную вами длинну

[Александр]

Вот ваша функция:

$tmp = mb_substr($str, 0, $length, $encoding);
    return mb_substr($tmp, 0, mb_strripos($tmp, ' ', 0, $encoding), $encoding) ;

Строка 1300 символов к примеру, $length=1024, с 1025 позиции идет пробел, символ, пробел, группа символов, ваша функция вернет только 1 результат... такое решение у меня было, оно не нужно..
А что дальше?..
Я это прорабатывал, мне как раз и нужно решение..

[Spartak (Web-StyleStudio)]

А что дальше?..

доделайте функцию, все что получили в этой функции заносите в массив, то что получили вырезаете из строки, остаток строки прогоняете дальше через эту функцию

[Александр]

Spartak (Web-StyleStudio), простите конечно, но СПАСИБО КЭП, именно чтоб доделать такую функцию я сюда и написал..

[Александр]

На текущий момент уже подумываю реализовать через "приплюсовывание" каждого нового слова (через поиск пробела) до момента превышения 1024, если превысило - "отплюсовывать"

[Spartak (Web-StyleStudio)]

Александр,

$str = "один два три четыре пять шесть семь";

function mbCutString($str, $length, $encoding = 'UTF-8')
{
	$arr = array();

	while(mb_strlen($str, $encoding) > 0) {
		if (mb_strlen($str, $encoding) <= $length) {
			array_push($arr, trim($str));
			return $arr;
		}

		$tmp = mb_substr($str, 0, $length, $encoding);
		$res = trim(mb_substr($tmp, 0, mb_strripos($tmp, ' ', 0, $encoding), $encoding));
		$str = mb_strlen($res, $encoding) ? trim(str_ireplace($res, "", $str)) : false;
		if ($res) array_push($arr, $res);
	}

	return $arr;
}

var_dump(mbCutString($str, 8, 'UTF-8'));

/*array(6) { 
	[0]=> string(8) "один" 
	[1]=> string(13) "два три" 
	[2]=> string(12) "четыре" 
	[3]=> string(8) "пять" 
	[4]=> string(10) "шесть" 
	[5]=> string(8) "семь" 
}*/

P/S: ответ обновил на итоговую функцию

[Spartak (Web-StyleStudio)]

Александр,
А чем вас это решение не устраивает?
И никаких пробелов не надо добавлять, готовая функция, только указывай длину и кодировку

[Александр]

Spartak (Web-StyleStudio), хотел попробовать ваше решение, сразу ошибка и не стал дальше разбираться..


Уже есть готовое, рабочее решение, спасибо за участие..

[Spartak (Web-StyleStudio)]

Александр,
Поправил, пропустил ")"

P/S: в следующий раз вам также помогут

[Александр]

Spartak (Web-StyleStudio), да, код рабочий, как я прочитал, в нем вы повторили нечто похожее на..

На текущий момент уже подумываю реализовать через "приплюсовывание" каждого нового слова (через поиск пробела) до момента превышения 1024...

[Spartak (Web-StyleStudio)]

да, код рабочий, как я прочитал, в нем вы повторили нечто похожее на..
На текущий момент уже подумываю реализовать через "приплюсовывание" каждого нового слова (через поиск пробела) до момента превышения 1024...

Да бог с вами, ваши вопросы будем обходить стороной