Code Coverage
 
Lines
Functions and Methods
Classes and Traits
Total
100.00% covered (success)
100.00%
35 / 35
100.00% covered (success)
100.00%
4 / 4
 CRAP
100.00% covered (success)
100.00%
1 / 1
TextTruncator
100.00% covered (success)
100.00%
35 / 35
100.00% covered (success)
100.00%
4 / 4
 10
100.00% covered (success)
100.00%
1 / 1
 __construct
100.00% covered (success)
100.00%
1 / 1
100.00% covered (success)
100.00%
1 / 1
 1
 getFirstSentences
100.00% covered (success)
100.00%
20 / 20
100.00% covered (success)
100.00%
1 / 1
 3
 getFirstChars
100.00% covered (success)
100.00%
11 / 11
100.00% covered (success)
100.00%
1 / 1
 4
 tidy
100.00% covered (success)
100.00%
3 / 3
100.00% covered (success)
100.00%
1 / 1
 2
1<?php
2
3namespace TextExtracts;
4
5use MediaWiki\MediaWikiServices;
6
7/**
8 * This class needs to understand HTML as well as plain text. It tries to not break HTML tags, but
9 * might break pairs of tags, leaving unclosed tags behind. We can tidy the output to fix
10 * this.
11 *
12 * @license GPL-2.0-or-later
13 */
14class TextTruncator {
15    /**
16     * @var bool Whether to tidy the output
17     */
18    private $useTidy;
19
20    /**
21     * @param bool $useTidy
22     */
23    public function __construct( bool $useTidy ) {
24        $this->useTidy = $useTidy;
25    }
26
27    /**
28     * Returns no more than the given number of sentences
29     *
30     * @param string $text Source text to extract from
31     * @param int $requestedSentenceCount Maximum number of sentences to extract
32     * @return string
33     */
34    public function getFirstSentences( $text, $requestedSentenceCount ) {
35        if ( $requestedSentenceCount <= 0 ) {
36            return '';
37        }
38
39        // Based on code from OpenSearchXml by Brion Vibber
40        $endchars = [
41            // regular ASCII
42            '\P{Lu}\.(?=[ \n]|$)',
43            '[!?](?=[ \n]|$)',
44            // full-width ideographic full-stop
45            '。',
46            // double-width roman forms
47            '．',
48            '！',
49            '？',
50            // half-width ideographic full stop
51            '｡',
52        ];
53
54        $regexp = '/(?:' . implode( '|', $endchars ) . ')+/u';
55        $res = preg_match_all( $regexp, $text, $matches, PREG_OFFSET_CAPTURE );
56
57        if ( !$res ) {
58            // Just return the first line
59            $lines = explode( "\n", $text, 2 );
60            return trim( $lines[0] );
61        }
62
63        $index = min( $requestedSentenceCount, $res ) - 1;
64        [ $tail, $length ] = $matches[0][$index];
65        // PCRE returns raw offsets, so using substr() instead of mb_substr()
66        $text = substr( $text, 0, $length ) . $tail;
67
68        return $this->tidy( $text );
69    }
70
71    /**
72     * Returns no more than a requested number of characters, preserving words
73     *
74     * @param string $text Source text to extract from
75     * @param int $requestedLength Maximum number of characters to return
76     * @return string
77     */
78    public function getFirstChars( $text, $requestedLength ) {
79        if ( $requestedLength <= 0 ) {
80            return '';
81        }
82
83        $length = mb_strlen( $text );
84        if ( $length <= $requestedLength ) {
85            return $text;
86        }
87
88        // This ungreedy pattern always matches, just might return an empty string
89        $pattern = '/^[\w\/]*>?/su';
90        preg_match( $pattern, mb_substr( $text, $requestedLength ), $m );
91        $truncatedText = mb_substr( $text, 0, $requestedLength ) . $m[0];
92        if ( $truncatedText === $text ) {
93            return $text;
94        }
95
96        return $this->tidy( $truncatedText );
97    }
98
99    /**
100     * @param string $text
101     * @return string
102     */
103    private function tidy( $text ) {
104        if ( $this->useTidy ) {
105            $text = MediaWikiServices::getInstance()->getTidy()->tidy( $text );
106        }
107
108        return trim( $text );
109    }
110
111}