Code Coverage
 
Classes and Traits
Functions and Methods
Lines
Total
100.00% covered (success)
100.00%
1 / 1
100.00% covered (success)
100.00%
4 / 4
 CRAP
100.00% covered (success)
100.00%
28 / 28
TextTruncator
100.00% covered (success)
100.00%
1 / 1
100.00% covered (success)
100.00%
4 / 4
 10
100.00% covered (success)
100.00%
28 / 28
 __construct
100.00% covered (success)
100.00%
1 / 1
 1
100.00% covered (success)
100.00%
2 / 2
 getFirstSentences
100.00% covered (success)
100.00%
1 / 1
 3
100.00% covered (success)
100.00%
12 / 12
 getFirstChars
100.00% covered (success)
100.00%
1 / 1
 4
100.00% covered (success)
100.00%
11 / 11
 tidy
100.00% covered (success)
100.00%
1 / 1
 2
100.00% covered (success)
100.00%
3 / 3
<?php
namespace TextExtracts;
use MediaWiki\MediaWikiServices;
/**
 * This class needs to understand HTML as well as plain text. It tries to not break HTML tags, but
 * might break pairs of tags, leaving unclosed tags behind. We can tidy the output to fix
 * this.
 *
 * @license GPL-2.0-or-later
 */
class TextTruncator {
    /**
     * @var bool Whether to tidy the output
     */
    private $useTidy;
    /**
     * @param bool $useTidy
     */
    public function __construct( bool $useTidy ) {
        $this->useTidy = $useTidy;
    }
    /**
     * Returns no more than the given number of sentences
     *
     * @param string $text Source text to extract from
     * @param int $requestedSentenceCount Maximum number of sentences to extract
     * @return string
     */
    public function getFirstSentences( $text, $requestedSentenceCount ) {
        if ( $requestedSentenceCount <= 0 ) {
            return '';
        }
        // Based on code from OpenSearchXml by Brion Vibber
        $endchars = [
            // regular ASCII
            '\P{Lu}\.(?=[ \n]|$)',
            '[!?](?=[ \n]|$)',
            // full-width ideographic full-stop
            '。',
            // double-width roman forms
            '．',
            '！',
            '？',
            // half-width ideographic full stop
            '｡',
        ];
        $regexp = '/(?:' . implode( '|', $endchars ) . ')+/u';
        $res = preg_match_all( $regexp, $text, $matches, PREG_OFFSET_CAPTURE );
        if ( !$res ) {
            // Just return the first line
            $lines = explode( "\n", $text, 2 );
            return trim( $lines[0] );
        }
        $index = min( $requestedSentenceCount, $res ) - 1;
        list( $tail, $length ) = $matches[0][$index];
        // PCRE returns raw offsets, so using substr() instead of mb_substr()
        $text = substr( $text, 0, $length ) . $tail;
        return $this->tidy( $text );
    }
    /**
     * Returns no more than a requested number of characters, preserving words
     *
     * @param string $text Source text to extract from
     * @param int $requestedLength Maximum number of characters to return
     * @return string
     */
    public function getFirstChars( $text, $requestedLength ) {
        if ( $requestedLength <= 0 ) {
            return '';
        }
        $length = mb_strlen( $text );
        if ( $length <= $requestedLength ) {
            return $text;
        }
        // This ungreedy pattern always matches, just might return an empty string
        $pattern = '/^[\w\/]*>?/su';
        preg_match( $pattern, mb_substr( $text, $requestedLength ), $m );
        $truncatedText = mb_substr( $text, 0, $requestedLength ) . $m[0];
        if ( $truncatedText === $text ) {
            return $text;
        }
        return $this->tidy( $truncatedText );
    }
    /**
     * @param string $text
     * @return string
     */
    private function tidy( $text ) {
        if ( $this->useTidy ) {
            $text = MediaWikiServices::getInstance()->getTidy()->tidy( $text );
        }
        return trim( $text );
    }
}