Правильная обрезка слов

[StormMan]

Всем привет!

Есть такой модуль обрезки строки, это плагин для Smarty, но используются обычные функции:

<?php
function smarty_modifier_truncate($string, $length = 80, $etc = '...',
								  $break_words = false, $middle = false)
{
	if ($length == 0)
		return '';

	if (strlen($string) > $length) {
		$length -= strlen($etc);
		if (!$break_words && !$middle) {
			$string = preg_replace('/\s+?(\S+)?$/', '', substr($string, 0, $length+1));
		}
		if(!$middle) {
			return substr($string, 0, $length).$etc;
		} else {
			return substr($string, 0, $length/2) . $etc . substr($string, -$length/2);
		}
	} else {
		return $string;
	}
}
?>

Проблема этого кода в том, что он неправильно работает с кодировкой utf-8, если символы отличаются от латиницы, и исходит эта проблема из-за того, что с многобайтными символами функция substr работать не умеет. Заменяю её на mb_substr:

<?php
function smarty_modifier_truncate($string, $length = 80, $etc = '...',
								  $break_words = false, $middle = false)
{
	if ($length == 0)
		return '';

	if (mb_strlen($string, utf8) > $length) {
	//if (strlen($string) > $length) {
		$length -= mb_strlen($etc, utf8);
		//$length -= strlen($etc);
		if (!$break_words && !$middle) {
			$string = mb_ereg_replace('/\s+?(\S+)?$/', '', mb_substr($string, 0, $length+1, utf8), utf8);
			//$string = preg_replace('/\s+?(\S+)?$/', '', substr($string, 0, $length+1));
		}
		if(!$middle) {
			return mb_substr($string, 0, $length, utf8).$etc;
			//return substr($string, 0, $length).$etc;
		} else {
			return mb_substr($string, 0, $length/2, utf8) . $etc . mb_substr($string, -$length/2, utf8);
			//return substr($string, 0, $length/2) . $etc . substr($string, -$length/2);
		}
	} else {
		return $string;
	}
}
?>

Остаётся одна проблема: слова обрезаются посередине, получается ерунда вроде "Слова обрезаются посе...". Подскажите, какие функции можно применить, чтобы текст обрезался правильно: "Слова обрезаются посередине...".

Буду очень благодарен за примеры!

Edited June 10, 2010 by StormMan

[Veseloff]

1. ereg_replace уже устарел, его более не стоит использовать

2. Попробуйте preg_replace с модификатором u для UTF-8

3. Может, я не прав, но, по-моему правильнее писать "UTF-8" в функциях серии mb_ в кавычках - всё-таки string должен быть.

[StormMan]

Veseloff, большое спасибо!

А куда нужно u поставить в этой строке?

$string = preg_replace('/\s+?(\S+)?$/', '', substr($string, 0, $length+1));

[StormMan]

Написал так, стало получше:

$string = preg_replace('/\s+?(\S+)?$/u', '', mb_substr($string, 0, $length+1, utf8));

[Int]

wordwrap не умеет с utf работать?

У меня есть регулярка, которая режет по кличеству слов, щас найду, может можно адаптировать. Как я понял, фразу надо обрезать по количеству букв, а не слов?

$wordsInnews=5;

preg_match("/^((\S+\s|\\n|$){".$wordsInnews."})/",$body,$fnd);

вот так я вырезал по 5 слов.

Edited June 11, 2010 by Int